A. अनुमान और वास्तविक उत्तर का अंतर मापना/To measure difference between prediction and actual answer
Step 1
Concept
A model prediction is not always correct.
Step 2
Why this answer is correct
A loss function tells how different the prediction is from the actual answer.
Step 3
Exam Tip
Reducing it is a goal during training. चरण 1: प्रतिरूप का अनुमान हमेशा सही नहीं होता। चरण 2: हानि फलन बताता है कि अनुमान वास्तविक उत्तर से कितना अलग है। चरण 3: प्रशिक्षण में इसे कम करना लक्ष्य होता है।
In underfitting the model does not learn the data pattern well.
Step 2
Why this answer is correct
So it can perform poorly on both training and testing data.
Step 3
Exam Tip
Better features or suitable methods may be needed. चरण 1: कम सीखने में प्रतिरूप आंकड़ों का ढांचा ठीक से नहीं पकड़ता। चरण 2: इसलिए प्रशिक्षण और परीक्षण दोनों पर परिणाम कमजोर हो सकते हैं। चरण 3: ऐसे में बेहतर विशेषता या उपयुक्त विधि चाहिए हो सकती है।
A. सुव्यवस्थित अधिगम में सही उत्तर दिए जाते हैं/Correct answers are given in supervised learning
Step 1
Concept
Supervised learning has examples with correct outputs.
Step 2
Why this answer is correct
Unsupervised learning finds patterns by itself.
Step 3
Exam Tip
Availability of correct answers is the main difference. चरण 1: सुव्यवस्थित अधिगम में उदाहरण और सही परिणाम मिलते हैं। चरण 2: अव्यवस्थित अधिगम में प्रतिरूप स्वयं ढांचे खोजता है। चरण 3: सही उत्तर की उपलब्धता मुख्य अंतर है।
A. मकान की कीमत का अनुमान/Estimated price of a house
Step 1
Concept
Regression gives a numerical value.
Step 2
Why this answer is correct
House price is given as a number.
Step 3
Exam Tip
Category based answers belong to classification. चरण 1: पूर्वानुमान में परिणाम संख्यात्मक मान होता है। चरण 2: मकान की कीमत संख्या के रूप में बताई जाती है। चरण 3: वर्ग वाले उत्तर वर्गीकरण से जुड़े हैं।
Price and temperature values are related to regression tasks. चरण 1: वर्गीकरण में परिणाम वर्ग के रूप में होता है। चरण 2: रोगी है या नहीं यह दो वर्गों वाला उदाहरण है। चरण 3: कीमत और तापमान संख्या पूर्वानुमान कार्यों से जुड़े हैं।
A. आंकड़ों को उपयुक्त रूप में बदलने के लिए/To convert data into a suitable form
Step 1
Concept
Raw data are not always ready for training.
Step 2
Why this answer is correct
Transformation converts them into a suitable form.
Step 3
Exam Tip
This makes analysis and learning easier. चरण 1: कच्चे आंकड़े हमेशा प्रशिक्षण के लिए तैयार नहीं होते। चरण 2: रूपांतरण उन्हें उपयुक्त रूप में बदलता है। चरण 3: इससे आगे का विश्लेषण और अधिगम आसान होता है।
A. प्रतिरूप बड़े समूह की ओर झुक सकता है/The model may lean toward the larger group
Step 1
Concept
In imbalanced data one group may be much larger.
Step 2
Why this answer is correct
The model may learn more about that group.
Step 3
Exam Tip
So balanced and diverse data are important. चरण 1: असंतुलित आंकड़ों में एक समूह बहुत अधिक हो सकता है। चरण 2: प्रतिरूप उसी समूह को अधिक सीख सकता है। चरण 3: इसलिए संतुलित और विविध आंकड़े जरूरी हैं।
A. नए आंकड़ों पर भी सही काम करने की क्षमता/Ability to work well on new data
Step 1
Concept
A good model does not depend only on training data.
Step 2
Why this answer is correct
It predicts well on new data too.
Step 3
Exam Tip
This is the ability of generalization. चरण 1: अच्छा प्रतिरूप केवल प्रशिक्षण आंकड़ों पर निर्भर नहीं रहता। चरण 2: वह नए आंकड़ों पर भी सही अनुमान देता है। चरण 3: यही सामान्यीकरण की क्षमता है।
A. मिलते-जुलते उदाहरणों के आधार पर निर्णय लेना/Deciding based on similar examples
Step 1
Concept
This method compares a new example with old examples.
Step 2
Why this answer is correct
The most similar examples help decide.
Step 3
Exam Tip
Therefore distance or similarity is important. चरण 1: यह विधि नए उदाहरण की तुलना पुराने उदाहरणों से करती है। चरण 2: जो उदाहरण सबसे मिलते-जुलते हों उनसे निर्णय लिया जाता है। चरण 3: इसलिए दूरी या समानता का विचार महत्वपूर्ण है।
A. प्रश्नों के आधार पर शाखाओं में निर्णय लेना/Making decisions through branches based on questions
Step 1
Concept
In a decision tree each branch can be linked to a condition or question.
Step 2
Why this answer is correct
Following branches gives the final decision.
Step 3
Exam Tip
It is considered an easy to understand model. चरण 1: निर्णय वृक्ष में हर शाखा किसी शर्त या प्रश्न से जुड़ी हो सकती है। चरण 2: शाखाओं का पालन करके अंतिम निर्णय मिलता है। चरण 3: यह समझने में सरल प्रतिरूप माना जाता है।
A. समस्या के प्रकार और आंकड़ों की प्रकृति/Type of problem and nature of data
Step 1
Concept
One model is not correct for every problem.
Step 2
Why this answer is correct
The problem can be classification regression or clustering.
Step 3
Exam Tip
Model selection depends on the problem and data. चरण 1: हर समस्या के लिए एक ही प्रतिरूप सही नहीं होता। चरण 2: समस्या वर्गीकरण पूर्वानुमान या समूह बनाने की हो सकती है। चरण 3: इसलिए प्रतिरूप चयन समस्या और आंकड़ों पर निर्भर करता है।
A. प्रशिक्षण बहुत धीमा हो सकता है/Training can become very slow
Step 1
Concept
A small learning rate updates in small steps.
Step 2
Why this answer is correct
It can take more time to reach the correct place.
Step 3
Exam Tip
So a balanced rate is important. चरण 1: छोटी अधिगम दर से सुधार छोटे कदमों में होता है। चरण 2: इससे सही स्थान तक पहुंचने में अधिक समय लग सकता है। चरण 3: इसलिए संतुलित दर महत्वपूर्ण है।
A. अनुमान और वास्तविक परिणाम में अंतर/Difference between prediction and actual result
Step 1
Concept
A model gives a prediction.
Step 2
Why this answer is correct
Loss value shows how different the prediction is from the actual result.
Step 3
Exam Tip
Reducing loss is a goal in training. चरण 1: प्रतिरूप अनुमान देता है। चरण 2: हानि मान बताता है कि अनुमान वास्तविक परिणाम से कितना अलग है। चरण 3: प्रशिक्षण में हानि कम करना लक्ष्य होता है।
A. नए आंकड़ों पर प्रतिरूप की क्षमता जांचने के लिए/To check model ability on new data
Step 1
Concept
The model learns from training data.
Step 2
Why this answer is correct
Test data act like new examples.
Step 3
Exam Tip
Keeping them separate gives a better idea of real performance. चरण 1: प्रशिक्षण आंकड़ों से प्रतिरूप सीखता है। चरण 2: परीक्षण आंकड़े नए उदाहरणों जैसा व्यवहार करते हैं। चरण 3: अलग रखने से वास्तविक प्रदर्शन का अंदाजा मिलता है।
In clustering correct answers are not given beforehand.
Step 2
Why this answer is correct
The model groups similar examples.
Step 3
Exam Tip
So it is related to unsupervised learning. चरण 1: समूह बनाने में पहले से सही उत्तर नहीं दिए जाते। चरण 2: प्रतिरूप समान उदाहरणों को समूह में रखता है। चरण 3: इसलिए यह अव्यवस्थित अधिगम से जुड़ा है।
A. वर्गीकरण वर्ग बताता है पूर्वानुमान संख्या बताता है/Classification gives a class regression gives a number
Step 1
Concept
In classification the answer is a category.
Step 2
Why this answer is correct
In regression the answer can be a number.
Step 3
Exam Tip
In exams remember the category and number difference. चरण 1: वर्गीकरण में उत्तर किसी वर्ग में होता है। चरण 2: पूर्वानुमान में उत्तर संख्या हो सकता है। चरण 3: परीक्षा में वर्ग और संख्या का अंतर याद रखें।
A. कच्चे आंकड़ों को उपयोग के लिए तैयार करना/To prepare raw data for use
Step 1
Concept
Raw data may have errors missing values or different formats.
Step 2
Why this answer is correct
Preprocessing organizes them.
Step 3
Exam Tip
It can improve training and analysis. चरण 1: कच्चे आंकड़ों में त्रुटि अधूरे मान या असमान रूप हो सकते हैं। चरण 2: पूर्वप्रसंस्करण उन्हें व्यवस्थित करता है। चरण 3: इससे प्रशिक्षण और विश्लेषण बेहतर हो सकते हैं।
A. नियम आधारित प्रणाली पहले से दिए नियमों पर चलती है/A rule based system works on predefined rules
Step 1
Concept
A rule based system follows fixed rules.
Step 2
Why this answer is correct
A learning system can learn patterns from data.
Step 3
Exam Tip
This is the main difference between them. चरण 1: नियम आधारित प्रणाली तय नियमों का पालन करती है। चरण 2: सीखने वाली प्रणाली आंकड़ों से ढांचे सीख सकती है। चरण 3: यही दोनों के बीच मुख्य अंतर है।
A. यह जानने के लिए कि मॉडल कितना सही काम कर रहा है/To know how well the model is working
Step 1
Concept
After training model performance must be checked.
Step 2
Why this answer is correct
Evaluation gives information about correct and wrong results.
Step 3
Exam Tip
This helps improve the model. चरण 1: प्रशिक्षण के बाद मॉडल का प्रदर्शन जांचना जरूरी है। चरण 2: मूल्यांकन से सही और गलत परिणामों की जानकारी मिलती है। चरण 3: इससे मॉडल में सुधार किया जा सकता है।
A. कुल उत्तरों में सही उत्तरों का अनुपात/Ratio of correct answers among total answers
Step 1
Concept
Accuracy measures correct results of a model.
Step 2
Why this answer is correct
It shows the ratio of correct results among total results.
Step 3
Exam Tip
It is a common measure in simple classification. चरण 1: सटीकता मॉडल के सही परिणामों को मापती है। चरण 2: यह कुल परिणामों में सही परिणामों का अनुपात बताती है। चरण 3: सरल वर्गीकरण में यह सामान्य माप है।
A. मॉडल आंकड़ों का ढांचा ठीक से नहीं सीखता/The model does not learn the data pattern properly
Step 1
Concept
In underfitting the model cannot capture even simple patterns well.
Step 2
Why this answer is correct
It may perform poorly on both training and test data.
Step 3
Exam Tip
Better features or a suitable method may be needed. चरण 1: कम सीखने में मॉडल सरल ढांचा भी ठीक से नहीं पकड़ता। चरण 2: इससे प्रशिक्षण और परीक्षण दोनों पर खराब परिणाम आ सकते हैं। चरण 3: मॉडल को बेहतर विशेषता या उचित विधि चाहिए हो सकती है।
A. मॉडल प्रशिक्षण आंकड़ों को बहुत अधिक याद कर लेता है/The model memorizes training data too much
Step 1
Concept
In overfitting the model may perform very well on training data.
Step 2
Why this answer is correct
It may perform poorly on new data.
Step 3
Exam Tip
So generalization must be checked. चरण 1: अधिक सीख जाने में मॉडल प्रशिक्षण आंकड़ों पर बहुत अच्छा दिख सकता है। चरण 2: पर नए आंकड़ों पर उसका प्रदर्शन घट सकता है। चरण 3: इसलिए सामान्यीकरण की जांच जरूरी है।
A. आंकड़े की उपयोगी पहचान या गुण/Useful attribute or property of data
Step 1
Concept
A feature describes a property of an object or example.
Step 2
Why this answer is correct
The model learns from these properties.
Step 3
Exam Tip
Good features help better results. चरण 1: विशेषता किसी वस्तु या उदाहरण का गुण बताती है। चरण 2: मॉडल इन्हीं गुणों से सीखता है। चरण 3: सही विशेषताएं बेहतर परिणाम में मदद करती हैं।
A. सीखे हुए नियमों वाला ढांचा/A structure with learned rules
Step 1
Concept
A model builds rules or structure from data.
Step 2
Why this answer is correct
That structure gives results for new input.
Step 3
Exam Tip
The model is improved through training and testing. चरण 1: मॉडल आंकड़ों से सीखकर नियम या ढांचा बनाता है। चरण 2: वही ढांचा नए इनपुट पर परिणाम देता है। चरण 3: मॉडल को प्रशिक्षण और परीक्षण से सुधारा जाता है।
Predicting house price is a simple example. चरण 1: पूर्वानुमान में मॉडल किसी मात्रा का अनुमान लगाता है। चरण 2: परिणाम अक्सर संख्या के रूप में होता है। चरण 3: घर की कीमत बताना इसका सरल उदाहरण है।
A. इनपुट को किसी वर्ग में रखता है/Places input into a category
Step 1
Concept
In classification the result belongs to different categories.
Step 2
Why this answer is correct
The model selects a suitable category for the input.
Step 3
Exam Tip
Classifying email as normal or spam is an example. चरण 1: वर्गीकरण में परिणाम अलग-अलग वर्गों में होता है। चरण 2: मॉडल इनपुट देखकर उचित वर्ग चुनता है। चरण 3: ईमेल को सामान्य या अवांछित बताना इसका उदाहरण है।
A. इनपुट के साथ सही उत्तर/Correct answer with input
Step 1
Concept
Supervised learning uses examples with correct results.
Step 2
Why this answer is correct
The model learns the relation between input and answer.
Step 3
Exam Tip
Classification and prediction can be examples. चरण 1: सुव्यवस्थित अधिगम में उदाहरणों के साथ सही परिणाम दिए जाते हैं। चरण 2: मॉडल इनसे इनपुट और उत्तर का संबंध सीखता है। चरण 3: वर्गीकरण और पूर्वानुमान इसके उदाहरण हो सकते हैं।
A. मॉडल के प्रदर्शन को जांचना/To check model performance
Step 1
Concept
Test data are used after learning.
Step 2
Why this answer is correct
They show how the model works on new data.
Step 3
Exam Tip
In exams connect it with evaluation. चरण 1: परीक्षण आंकड़े सीखने के बाद उपयोग किए जाते हैं। चरण 2: इनसे पता चलता है कि मॉडल नए आंकड़ों पर कैसा काम करता है। चरण 3: परीक्षा में इसे मूल्यांकन से जोड़ें।
The model learns relationships from these examples.
Step 3
Exam Tip
Correct training data improve model quality. चरण 1: प्रशिक्षण आंकड़े उदाहरणों का समूह होते हैं। चरण 2: मॉडल इन्हीं उदाहरणों से संबंध सीखता है। चरण 3: सही प्रशिक्षण आंकड़े मॉडल की गुणवत्ता बढ़ाते हैं।
A. आंकड़ों से सीखकर परिणाम देना/Learning from data and giving results
Step 1
Concept
In machine learning a system learns from examples.
Step 2
Why this answer is correct
It uses learned information to decide on new data.
Step 3
Exam Tip
It is an important branch of AI. चरण 1: यंत्र अधिगम में प्रणाली उदाहरणों से सीखती है। चरण 2: सीखी हुई जानकारी से वह नए आंकड़ों पर निर्णय देती है। चरण 3: इसे कृत्रिम बुद्धिमत्ता की महत्वपूर्ण शाखा माना जाता है।
