अवांछित संदेश पहचान में परिशुद्धता क्यों उपयोगी हो सकती है?
Why can precision be useful in spam detection?
#precision
#spam detection
#model evaluation
A ताकि सामान्य संदेश गलती से अवांछित न माने जाएं / So normal messages are not wrongly marked as spam
B ताकि सभी संदेश मिट जाएं / So all messages are deleted
C ताकि कोई संदेश न पढ़ा जाए / So no message is read
D ताकि आंकड़े छिप जाएं / So data are hidden
Explanation opens after your attempt
Correct Answer
A. ताकि सामान्य संदेश गलती से अवांछित न माने जाएं / So normal messages are not wrongly marked as spam
Step 1
Concept
परिशुद्धता सकारात्मक बताए गए मामलों की शुद्धता देखती है। / Precision checks the correctness of predicted positives.
Step 2
Why this answer is correct
अवांछित संदेश पहचान में गलत सकारात्मक सामान्य संदेश को नुकसान पहुंचा सकता है। / In spam detection a false positive can harm normal messages.
Step 3
Exam Tip
इसलिए परिशुद्धता उपयोगी माप है। / So precision is a useful measure.
Login to save your score, XP, coins and progress. Login
स्वास्थ्य जांच में पुनःस्मरण अधिक महत्वपूर्ण क्यों हो सकता है?
Why can recall be more important in medical screening?
#recall
#medical screening
#model evaluation
A क्योंकि रोग वाले मामलों को पकड़ना जरूरी होता है / Because identifying diseased cases is important
B क्योंकि हर गलत चेतावनी अनदेखी करनी होती है / Because every false alarm must be ignored
C क्योंकि आंकड़ों की जरूरत नहीं होती / Because data are not needed
D क्योंकि प्रतिरूप को बंद रखना होता है / Because the model must be kept closed
Explanation opens after your attempt
Correct Answer
A. क्योंकि रोग वाले मामलों को पकड़ना जरूरी होता है / Because identifying diseased cases is important
Step 1
Concept
पुनःस्मरण वास्तविक सकारात्मक मामलों को पकड़ने पर ध्यान देता है। / Recall focuses on finding actual positive cases.
Step 2
Why this answer is correct
स्वास्थ्य जांच में रोगी छूटना गंभीर हो सकता है। / Missing a patient in medical screening can be serious.
Step 3
Exam Tip
इसलिए ऐसे कार्यों में पुनःस्मरण महत्वपूर्ण हो सकता है। / Therefore recall can be important in such tasks.
Login to save your score, XP, coins and progress. Login
प्रतिरूप प्रशिक्षण और परीक्षण दोनों पर कमजोर हो तो यह किसका संकेत हो सकता है?
If a model performs poorly on both training and testing data what can it indicate?
#underfitting
#model evaluation
#machine learning
A कम सीखना / Underfitting
B अधिक सीख जाना / Overfitting
C पूर्ण सफलता / Complete success
D डेटा गोपनीयता / Data privacy
Explanation opens after your attempt
Correct Answer
A. कम सीखना / Underfitting
Step 1
Concept
कम सीखने में प्रतिरूप आंकड़ों का ढांचा ठीक से नहीं पकड़ता। / In underfitting the model does not learn the data pattern well.
Step 2
Why this answer is correct
इसलिए प्रशिक्षण और परीक्षण दोनों पर परिणाम कमजोर हो सकते हैं। / So it can perform poorly on both training and testing data.
Step 3
Exam Tip
ऐसे में बेहतर विशेषता या उपयुक्त विधि चाहिए हो सकती है। / Better features or suitable methods may be needed.
Login to save your score, XP, coins and progress. Login
प्रशिक्षण आंकड़ों पर बहुत अच्छी सटीकता और परीक्षण आंकड़ों पर कमजोर सटीकता किसका संकेत है?
Very high accuracy on training data and low accuracy on test data indicates what?
#overfitting
#model evaluation
#test data
A अधिक सीख जाना / Overfitting
B पूर्ण सामान्यीकरण / Perfect generalization
C आंकड़ा न होना / No data
D सदैव सही प्रतिरूप / Always correct model
Explanation opens after your attempt
Correct Answer
A. अधिक सीख जाना / Overfitting
Step 1
Concept
अधिक सीख जाने में प्रतिरूप प्रशिक्षण आंकड़े बहुत अधिक याद कर सकता है। / In overfitting a model may memorize training data too much.
Step 2
Why this answer is correct
नए आंकड़ों पर उसका प्रदर्शन गिरता है। / Its performance drops on new data.
Step 3
Exam Tip
इसलिए परीक्षण परिणाम देखकर इस समस्या को पहचाना जा सकता है। / Test results help identify this problem.
Login to save your score, XP, coins and progress. Login
सामान्यीकरण का अर्थ क्या है?
What does generalization mean?
#generalization
#machine learning
#model evaluation
A नए आंकड़ों पर भी सही काम करने की क्षमता / Ability to work well on new data
B केवल पुराने उदाहरण याद रखना / Only memorizing old examples
C सभी परिणाम छिपाना / Hiding all results
D प्रतिरूप को बंद करना / Closing the model
Explanation opens after your attempt
Correct Answer
A. नए आंकड़ों पर भी सही काम करने की क्षमता / Ability to work well on new data
Step 1
Concept
अच्छा प्रतिरूप केवल प्रशिक्षण आंकड़ों पर निर्भर नहीं रहता। / A good model does not depend only on training data.
Step 2
Why this answer is correct
वह नए आंकड़ों पर भी सही अनुमान देता है। / It predicts well on new data too.
Step 3
Exam Tip
यही सामान्यीकरण की क्षमता है। / This is the ability of generalization.
Login to save your score, XP, coins and progress. Login
अधिक सीख जाने का सरल संकेत क्या हो सकता है?
What can be a simple sign of overfitting?
#overfitting
#model evaluation
#generalization
A प्रशिक्षण पर बहुत अच्छा पर नए आंकड़ों पर कमजोर प्रदर्शन / Very good on training data but weak on new data
B दोनों पर समान संतुलित प्रदर्शन / Similar balanced performance on both
C कभी प्रशिक्षण न होना / No training happens
D आंकड़े बिल्कुल न होना / No data exist
Explanation opens after your attempt
Correct Answer
A. प्रशिक्षण पर बहुत अच्छा पर नए आंकड़ों पर कमजोर प्रदर्शन / Very good on training data but weak on new data
Step 1
Concept
अधिक सीख जाने में प्रतिरूप प्रशिक्षण उदाहरण याद कर सकता है। / In overfitting a model may memorize training examples.
Step 2
Why this answer is correct
नए उदाहरणों पर वह कमजोर हो जाता है। / It becomes weak on new examples.
Step 3
Exam Tip
इसलिए प्रशिक्षण और परीक्षण परिणामों की तुलना करें। / Compare training and testing results.
Login to save your score, XP, coins and progress. Login
झूठा नकारात्मक स्वास्थ्य जांच में क्यों गंभीर हो सकता है?
Why can a false negative be serious in medical screening?
#false negative
#healthcare
#model evaluation
A रोगी को रोग होते हुए भी स्वस्थ बताया जा सकता है / A sick patient may be marked as healthy
B स्वस्थ व्यक्ति को स्वस्थ बताया जाता है / A healthy person is marked healthy
C रोगी को सही पहचाना जाता है / A patient is identified correctly
D कोई निर्णय नहीं लिया जाता / No decision is made
Explanation opens after your attempt
Correct Answer
A. रोगी को रोग होते हुए भी स्वस्थ बताया जा सकता है / A sick patient may be marked as healthy
Step 1
Concept
झूठा नकारात्मक वास्तविक सकारात्मक को नकारात्मक बताता है। / A false negative marks an actual positive as negative.
Step 2
Why this answer is correct
स्वास्थ्य में इसका मतलब रोग छूट जाना हो सकता है। / In healthcare this may mean missing a disease.
Step 3
Exam Tip
इसलिए पुनःस्मरण ऐसे कार्यों में महत्वपूर्ण है। / Therefore recall is important in such tasks.
Login to save your score, XP, coins and progress. Login
एफ एक माप का उपयोग कब उपयोगी होता है?
When is the F one score useful?
#f1 score
#precision recall
#model evaluation
A परिशुद्धता और पुनःस्मरण का संतुलन देखने में / To see balance between precision and recall
B संगणक की गति मापने में / To measure computer speed
C चित्र का रंग तय करने में / To decide image color
D फाइल का नाम बदलने में / To rename a file
Explanation opens after your attempt
Correct Answer
A. परिशुद्धता और पुनःस्मरण का संतुलन देखने में / To see balance between precision and recall
Step 1
Concept
परिशुद्धता और पुनःस्मरण अलग-अलग बातें मापते हैं। / Precision and recall measure different things.
Step 2
Why this answer is correct
एफ एक माप दोनों का संतुलित विचार देता है। / F one score gives a balanced view of both.
Step 3
Exam Tip
असंतुलित वर्गों में यह उपयोगी हो सकता है। / It can be useful with imbalanced classes.
Login to save your score, XP, coins and progress. Login
सटीकता कब भ्रामक हो सकती है?
When can accuracy be misleading?
#accuracy
#imbalanced data
#model evaluation
A जब वर्ग बहुत असंतुलित हों / When classes are highly imbalanced
B जब सभी वर्ग बराबर हों / When all classes are equal
C जब आंकड़े साफ हों / When data are clean
D जब प्रतिरूप की जांच हो / When model is tested
Explanation opens after your attempt
Correct Answer
A. जब वर्ग बहुत असंतुलित हों / When classes are highly imbalanced
Step 1
Concept
असंतुलित वर्गों में एक वर्ग बहुत अधिक हो सकता है। / In imbalanced classes one class may be much larger.
Step 2
Why this answer is correct
प्रतिरूप अधिक वर्ग बताकर भी उच्च सटीकता दिखा सकता है। / A model can show high accuracy by predicting the larger class.
Step 3
Exam Tip
ऐसे समय परिशुद्धता और पुनःस्मरण भी देखें। / In such cases precision and recall should also be checked.
Login to save your score, XP, coins and progress. Login
अधिक सीख जाने से बचने का एक तरीका क्या है?
What is one way to avoid overfitting?
#overfitting
#test data
#model evaluation
A अलग परीक्षण आंकड़ों से प्रदर्शन जांचना / Check performance using separate test data
B प्रशिक्षण आंकड़ों को ही हमेशा परिणाम मानना / Always treat training data as final result
C सभी आंकड़े दोहराना / Duplicate all data
D प्रतिरूप को बिना जांच उपयोग करना / Use the model without testing
Explanation opens after your attempt
Correct Answer
A. अलग परीक्षण आंकड़ों से प्रदर्शन जांचना / Check performance using separate test data
Step 1
Concept
अधिक सीख जाने में प्रतिरूप प्रशिक्षण आंकड़ों को याद कर सकता है। / In overfitting the model may memorize training data.
Step 2
Why this answer is correct
अलग परीक्षण आंकड़े नए उदाहरणों पर प्रदर्शन दिखाते हैं। / Separate test data show performance on new examples.
Step 3
Exam Tip
इससे समस्या पहचानने में मदद मिलती है। / This helps identify the problem.
Login to save your score, XP, coins and progress. Login
पुनःस्मरण किस बात को मापता है?
What does recall measure?
#recall
#model evaluation
#classification
A वास्तविक सकारात्मक मामलों में कितने पहचाने गए / How many actual positives were identified
B कितनी संचिकाएं रंगीन हैं / How many files are colorful
C कितनी कुर्सियां हैं / How many chairs exist
D कितने चित्र हटाए गए / How many images were deleted
Explanation opens after your attempt
Correct Answer
A. वास्तविक सकारात्मक मामलों में कितने पहचाने गए / How many actual positives were identified
Step 1
Concept
पुनःस्मरण वास्तविक सकारात्मक मामलों पर ध्यान देता है। / Recall focuses on actual positive cases.
Step 2
Why this answer is correct
यह बताता है कि उनमें से कितने सही पकड़े गए। / It tells how many of them were correctly found.
Step 3
Exam Tip
बीमारी पहचान जैसे कार्यों में यह महत्वपूर्ण हो सकता है। / It can be important in tasks like disease detection.
Login to save your score, XP, coins and progress. Login
परिशुद्धता किस बात पर ध्यान देती है?
What does precision focus on?
#precision
#model evaluation
#classification
A सकारात्मक बताए गए परिणामों में कितने सही हैं / How many predicted positives are correct
B कुल संचिकाओं की संख्या / Number of total files
C चित्र की ऊंचाई / Height of image
D संगणक का रंग / Color of computer
Explanation opens after your attempt
Correct Answer
A. सकारात्मक बताए गए परिणामों में कितने सही हैं / How many predicted positives are correct
Step 1
Concept
परिशुद्धता सकारात्मक अनुमान की गुणवत्ता देखती है। / Precision checks the quality of positive predictions.
Step 2
Why this answer is correct
यह बताती है कि सकारात्मक बताए गए मामलों में कितने सच में सकारात्मक थे। / It tells how many predicted positives were actually positive.
Step 3
Exam Tip
गलत सकारात्मक कम करना हो तो यह उपयोगी है। / It is useful when reducing false positives matters.
Login to save your score, XP, coins and progress. Login
प्रशिक्षण और परीक्षण आंकड़ों को अलग रखना क्यों जरूरी है?
Why is it important to keep training and testing data separate?
#train test split
#model evaluation
#machine learning
A नए आंकड़ों पर प्रतिरूप की क्षमता जांचने के लिए / To check model ability on new data
B प्रशिक्षण रोकने के लिए / To stop training
C सभी आंकड़े मिटाने के लिए / To delete all data
D परिणाम छिपाने के लिए / To hide results
Explanation opens after your attempt
Correct Answer
A. नए आंकड़ों पर प्रतिरूप की क्षमता जांचने के लिए / To check model ability on new data
Step 1
Concept
प्रशिक्षण आंकड़ों से प्रतिरूप सीखता है। / The model learns from training data.
Step 2
Why this answer is correct
परीक्षण आंकड़े नए उदाहरणों जैसा व्यवहार करते हैं। / Test data act like new examples.
Step 3
Exam Tip
अलग रखने से वास्तविक प्रदर्शन का अंदाजा मिलता है। / Keeping them separate gives a better idea of real performance.
Login to save your score, XP, coins and progress. Login
मॉडल प्रशिक्षण के बाद मूल्यांकन क्यों आवश्यक है?
Why is evaluation needed after model training?
#model evaluation
#ai project cycle
#machine learning
A यह जानने के लिए कि मॉडल कितना सही काम कर रहा है / To know how well the model is working
B मॉडल को छिपाने के लिए / To hide the model
C आंकड़े नष्ट करने के लिए / To destroy data
D प्रशिक्षण को भूलने के लिए / To forget training
Explanation opens after your attempt
Correct Answer
A. यह जानने के लिए कि मॉडल कितना सही काम कर रहा है / To know how well the model is working
Step 1
Concept
प्रशिक्षण के बाद मॉडल का प्रदर्शन जांचना जरूरी है। / After training model performance must be checked.
Step 2
Why this answer is correct
मूल्यांकन से सही और गलत परिणामों की जानकारी मिलती है। / Evaluation gives information about correct and wrong results.
Step 3
Exam Tip
इससे मॉडल में सुधार किया जा सकता है। / This helps improve the model.
Login to save your score, XP, coins and progress. Login
सटीकता का सरल अर्थ क्या है?
What is the simple meaning of accuracy?
#accuracy
#model evaluation
#machine learning
A कुल उत्तरों में सही उत्तरों का अनुपात / Ratio of correct answers among total answers
B केवल गलत उत्तरों की संख्या / Only number of wrong answers
C संगणक की कीमत / Price of computer
D मॉडल का रंग / Color of model
Explanation opens after your attempt
Correct Answer
A. कुल उत्तरों में सही उत्तरों का अनुपात / Ratio of correct answers among total answers
Step 1
Concept
सटीकता मॉडल के सही परिणामों को मापती है। / Accuracy measures correct results of a model.
Step 2
Why this answer is correct
यह कुल परिणामों में सही परिणामों का अनुपात बताती है। / It shows the ratio of correct results among total results.
Step 3
Exam Tip
सरल वर्गीकरण में यह सामान्य माप है। / It is a common measure in simple classification.
Login to save your score, XP, coins and progress. Login
