डाउनलोड पीडीऍफ़
1) मशीन लर्निंग क्या है?
मशीन लर्निंग कंप्यूटर विज्ञान की एक शाखा है जो अनुभव के साथ स्वचालित रूप से सीखने और सुधारने के लिए सिस्टम प्रोग्रामिंग से संबंधित है। उदाहरण के लिए: रोबोटों को प्रोग्राम किया जाता है ताकि वे सेंसर से इकट्ठा किए गए डेटा के आधार पर कार्य कर सकें। यह स्वचालित रूप से डेटा से प्रोग्राम सीखता है।
2) डाटा माइनिंग और मशीन लर्निंग के बीच अंतर का उल्लेख करें?
मशीन लर्निंग एल्गोरिदम के अध्ययन, डिजाइन और विकास से संबंधित है जो कंप्यूटर को स्पष्ट रूप से प्रोग्राम किए बिना सीखने की क्षमता देता है। जबकि, डेटा माइनिंग को उस प्रक्रिया के रूप में परिभाषित किया जा सकता है जिसमें असंरचित डेटा ज्ञान या अज्ञात दिलचस्प पैटर्न को निकालने की कोशिश करता है। इस प्रक्रिया मशीन के दौरान, सीखने के एल्गोरिदम का उपयोग किया जाता है।
3) मशीन सीखने में Over ओवरफिटिंग ’क्या है?
मशीन लर्निंग में, जब एक सांख्यिकीय मॉडल अंतर्निहित संबंध के बजाय यादृच्छिक त्रुटि या शोर का वर्णन करता है, तो 'ओवरफिटिंग' होता है। जब कोई मॉडल अत्यधिक जटिल होता है, तो प्रशिक्षण डेटा प्रकारों की संख्या के संबंध में बहुत अधिक पैरामीटर होने के कारण, ओवरफिटिंग सामान्य रूप से देखी जाती है। मॉडल खराब प्रदर्शन का प्रदर्शन करता है जो ओवरफिट हो गया है।
4) ओवरफिटिंग क्यों होती है?
ओवरफिटिंग की संभावना मौजूद है क्योंकि मॉडल के प्रशिक्षण के लिए उपयोग किए जाने वाले मानदंड एक मॉडल की प्रभावकारिता का न्याय करने के लिए उपयोग किए जाने वाले मानदंड के समान नहीं है।
5) आप ओवरफिटिंग से कैसे बच सकते हैं?
बहुत अधिक डेटा का उपयोग करके ओवरफिटिंग से बचा जा सकता है, ओवरफ़िटिंग अपेक्षाकृत एक छोटी सी डेटासेट की तरह होती है, और आप इसके बारे में जानने की कोशिश करते हैं। लेकिन अगर आपके पास एक छोटा डेटाबेस है और आप उसके आधार पर एक मॉडल के साथ आने के लिए मजबूर हैं। ऐसी स्थिति में, आप क्रॉस सत्यापन के रूप में ज्ञात तकनीक का उपयोग कर सकते हैं । इस पद्धति में डेटासेट दो खंडों में विभाजित होता है, परीक्षण और प्रशिक्षण डेटासेट, परीक्षण डेटासेट केवल मॉडल का परीक्षण करेगा, जबकि प्रशिक्षण डाटासेट में, डेटा पॉइंट मॉडल के साथ आएगा।
इस तकनीक में, एक मॉडल को आमतौर पर एक ज्ञात डेटा का डेटासेट दिया जाता है, जिस पर प्रशिक्षण (प्रशिक्षण डेटा सेट) चलाया जाता है और अज्ञात डेटा का एक डेटासेट जिसके खिलाफ मॉडल का परीक्षण किया जाता है। क्रॉस सत्यापन का विचार एक डाटासेट को प्रशिक्षण चरण में "परीक्षण" करने के लिए परिभाषित करना है।
6) आगमनात्मक मशीन सीखना क्या है?
इंडक्टिव मशीन लर्निंग में उदाहरणों द्वारा सीखने की प्रक्रिया शामिल होती है, जहां एक प्रणाली, देखे गए उदाहरणों के एक सेट से एक सामान्य नियम को प्रेरित करने की कोशिश करती है।
7) मशीन लर्निंग के पांच लोकप्रिय एल्गोरिदम क्या हैं?
- निर्णय के पेड़
- तंत्रिका नेटवर्क (वापस प्रसार)
- संभाव्य नेटवर्क
- निकटतम पड़ोसी
- समर्थन वेक्टर मशीन
8) मशीन लर्निंग में अलग-अलग एल्गोरिथ्म तकनीक क्या हैं?
मशीन लर्निंग में विभिन्न प्रकार की तकनीकें हैं
- पर्यवेक्षित अध्ययन
- अनसुचित शिक्षा
- अर्ध-पर्यवेक्षित शिक्षण
- सुदृढीकरण सीखना
- पारगमन
- सीखना सीख रहा हूं
9) मशीन सीखने में परिकल्पना या मॉडल बनाने के लिए तीन चरण क्या हैं?
- प्रतिरूप निर्माण
- मॉडल परीक्षण
- मॉडल को लागू करना
10) पर्यवेक्षित शिक्षण के लिए मानक दृष्टिकोण क्या है?
पर्यवेक्षित शिक्षण के लिए मानक दृष्टिकोण उदाहरण के सेट को प्रशिक्षण सेट और परीक्षण में विभाजित करना है।
11) 'ट्रेनिंग सेट' और 'टेस्ट सेट' क्या है?
मशीन लर्निंग जैसे सूचना विज्ञान के विभिन्न क्षेत्रों में, डेटा के एक सेट का उपयोग 'प्रशिक्षण सेट' के रूप में ज्ञात संभावित भविष्य कहनेवाला संबंध की खोज के लिए किया जाता है। प्रशिक्षण सेट शिक्षार्थी को दिया गया एक उदाहरण है, जबकि टेस्ट सेट का उपयोग सीखने वाले द्वारा उत्पन्न परिकल्पना की सटीकता का परीक्षण करने के लिए किया जाता है, और यह शिक्षार्थी से वापस लिए गए उदाहरण का सेट है। प्रशिक्षण सेट टेस्ट सेट से अलग हैं।
12) मशीन सीखने के लिए विभिन्न दृष्टिकोणों की सूची तैयार करें?
मशीन लर्निंग में विभिन्न दृष्टिकोण हैं
- अवधारणा बनाम वर्गीकरण सीखना
- सांकेतिक बनाम सांख्यिकीय सीखना
- इंडक्टिव बनाम एनालिटिकल लर्निंग
13) मशीन लर्निंग क्या नहीं है?
- कृत्रिम होशियारी
- नियम आधारित अनुमान
14) बताइये 'Unsupervised Learning' का क्या कार्य है?
- डेटा के क्लस्टर खोजें
- डेटा के निम्न-आयामी निरूपण का पता लगाएं
- डेटा में दिलचस्प दिशाएँ खोजें
- दिलचस्प निर्देशांक और सहसंबंध
- उपन्यास अवलोकन / डेटाबेस सफाई का पता लगाएं
१५) 'सुपरवाइज्ड लर्निंग' का कार्य क्या है?
- वर्गीकरण
- वाक् पहचान
- वापसी
- भविष्यवाणी समय श्रृंखला
- एनोटेट स्ट्रिंग्स
16) एल्गोरिथ्म स्वतंत्र मशीन सीखने क्या है?
मशीन लर्निंग जहां गणितीय नींव किसी भी विशेष क्लासिफायरियर से स्वतंत्र है या लर्निंग एल्गोरिदम को एल्गोरिथम स्वतंत्र मशीन लर्निंग कहा जाता है?
17) कृत्रिम सीखने और मशीन सीखने में क्या अंतर है?
अनुभवजन्य डेटा पर आधारित व्यवहार के अनुसार एल्गोरिदम को डिजाइन और विकसित करना मशीन लर्निंग के रूप में जाना जाता है। मशीन सीखने के अलावा कृत्रिम बुद्धिमत्ता, यह अन्य पहलुओं जैसे ज्ञान प्रतिनिधित्व, प्राकृतिक भाषा प्रसंस्करण, योजना, रोबोटिक्स आदि को भी कवर करती है।
18) मशीन लर्निंग में क्लासिफायर क्या है?
मशीन लर्निंग में एक क्लासिफायरियर एक ऐसी प्रणाली है जो असतत या निरंतर फीचर वैल्यू के वेक्टर का इनपुट करती है और एकल असतत मान, क्लास को आउटपुट करती है।
19) नैवे बेस के क्या फायदे हैं?
नाओवे बेयस क्लासिफायर में लॉजिस्टिक रिग्रेशन जैसे विभेदकारी मॉडल की तुलना में तेजी से अभिसरण करेगा, इसलिए आपको कम प्रशिक्षण डेटा की आवश्यकता है। मुख्य लाभ यह है कि यह सुविधाओं के बीच बातचीत नहीं सीख सकता है।
20) पैटर्न मान्यता को किन क्षेत्रों में प्रयोग किया जाता है?
पैटर्न मान्यता का उपयोग किया जा सकता है
- कंप्यूटर दृष्टि
- वाक् पहचान
- डेटा खनन
- आंकड़े
- अनौपचारिक पुनर्प्राप्ति
- जैव सूचना विज्ञान
21) जेनेटिक प्रोग्रामिंग क्या है?
जेनेटिक प्रोग्रामिंग मशीन सीखने में उपयोग की जाने वाली दो तकनीकों में से एक है। मॉडल परीक्षण और परिणामों के एक सेट के बीच सबसे अच्छा विकल्प का चयन करने पर आधारित है।
22) मशीन लर्निंग में इंडिकिव लॉजिक प्रोग्रामिंग क्या है?
इंडिकिव लॉजिक प्रोग्रामिंग (ILP) मशीन लर्निंग का एक उपक्षेत्र है जो पृष्ठभूमि ज्ञान और उदाहरणों का प्रतिनिधित्व करते हुए तार्किक प्रोग्रामिंग का उपयोग करता है।
23) मशीन लर्निंग में मॉडल चयन क्या है?
विभिन्न गणितीय मॉडल के बीच मॉडल का चयन करने की प्रक्रिया, जो एक ही डेटा सेट का वर्णन करने के लिए उपयोग की जाती है, मॉडल चयन के रूप में जाना जाता है। मॉडल का चयन सांख्यिकी, मशीन लर्निंग और डेटा माइनिंग के क्षेत्रों में किया जाता है।
24) सुपरवाइज्ड लर्निंग में अंशांकन के लिए इस्तेमाल की जाने वाली दो विधियाँ क्या हैं?
सुपरवाइज्ड लर्निंग में अच्छी संभावनाओं की भविष्यवाणी के लिए इस्तेमाल किए जाने वाले दो तरीके हैं
- प्लाट कैलिब्रेशन
- आइसोटोनिक प्रतिगमन
इन विधियों को द्विआधारी वर्गीकरण के लिए डिज़ाइन किया गया है, और यह तुच्छ नहीं है।
25) ओवरफिटिंग को रोकने के लिए किस विधि का उपयोग अक्सर किया जाता है?
जब पर्याप्त डेटा होता है तो 'आइसोटोनिक रिग्रेशन' का इस्तेमाल ओवरफिटिंग समस्या को रोकने के लिए किया जाता है।
२६) नियम विद्या के लिए अनुमानी और निर्णय वृक्षों के लिए अनुमानों में क्या अंतर है?
अंतर यह है कि निर्णय पेड़ों के लिए आंकड़े कई असंबद्ध सेटों की औसत गुणवत्ता का मूल्यांकन करते हैं जबकि नियम सीखने वाले केवल उदाहरणों के सेट की गुणवत्ता का मूल्यांकन करते हैं जो उम्मीदवार नियम के साथ कवर किया गया है।
27) मशीन लर्निंग में पेरेसेट्रॉन क्या है?
मशीन लर्निंग में, पेरिसेप्ट्रोन इनपुट के पर्यवेक्षित वर्गीकरण के लिए कई संभावित गैर-बाइनरी आउटपुट में से एक एल्गोरिथम है।
28) बायेसियन लॉजिक प्रोग्राम के दो घटकों की व्याख्या करें?
बायेसियन लॉजिक प्रोग्राम में दो घटक होते हैं। पहला घटक एक तार्किक है; इसमें बायेसियन क्लॉज़ का एक सेट होता है, जो डोमेन की गुणात्मक संरचना को दर्शाता है। दूसरा घटक एक मात्रात्मक है, यह डोमेन के बारे में मात्रात्मक जानकारी को एन्कोड करता है।
29) बायेसियन नेटवर्क (बीएन) क्या हैं?
बेयेशियन नेटवर्क का उपयोग चर के सेट के बीच संभाव्यता संबंधों के लिए चित्रमय मॉडल का प्रतिनिधित्व करने के लिए किया जाता है।
30) उदाहरण आधारित लर्निंग अल्गोरिद्म को कभी-कभी लेजी लर्निंग अल्गोरिद्म क्यों कहा जाता है?
इंस्टेंस आधारित लर्निंग एल्गोरिथ्म को आलसी लर्निंग अल्गोरिथम के रूप में भी जाना जाता है क्योंकि वे वर्गीकरण किए जाने तक प्रेरण या सामान्यीकरण प्रक्रिया में देरी करते हैं।
३१) एसवीएम (सपोर्ट वेक्टर मशीन) कौन से दो वर्गीकरण तरीके हैं?
- बाइनरी क्लासिफायर का संयोजन
- मल्टीस्कल्स लर्निंग को शामिल करने के लिए बाइनरी को संशोधित करना
३२) सीखने के लिए क्या पहनावा है?
एक विशेष कम्प्यूटेशनल प्रोग्राम को हल करने के लिए, कई मॉडल जैसे कि क्लासिफायर या विशेषज्ञ रणनीतिक रूप से उत्पन्न और संयुक्त होते हैं। इस प्रक्रिया को पहनावा सीखने के रूप में जाना जाता है।
33) पहनावा सीखने का उपयोग क्यों किया जाता है?
एसेम्बली लर्निंग का उपयोग किसी मॉडल के वर्गीकरण, भविष्यवाणी, फ़ंक्शन सन्निकटन आदि को बेहतर बनाने के लिए किया जाता है।
34) सीखने के लिए कलाकारों की टुकड़ी का उपयोग कब करें?
एसेम्बल लर्निंग का उपयोग तब किया जाता है जब आप घटक क्लासिफायर का निर्माण करते हैं जो एक दूसरे से अधिक सटीक और स्वतंत्र होते हैं।
35) पहनावा विधियों के दो प्रतिमान क्या हैं?
पहनावा विधियों के दो प्रतिमान हैं
- अनुक्रमिक कलाकारों की टुकड़ी तरीकों
- समानांतर पहनावा तरीके
36) पहनावा विधि का सामान्य सिद्धांत क्या है और पहनावे विधि में बैगिंग और बूस्टिंग क्या है?
एक पहनावा विधि का सामान्य सिद्धांत एक एकल मॉडल पर मजबूती लाने के लिए दिए गए लर्निंग एल्गोरिदम के साथ निर्मित कई मॉडलों की भविष्यवाणियों को संयोजित करना है। अस्थिर अनुमान या वर्गीकरण योजनाओं में सुधार के लिए पहनावा एक तरीका है। संयुक्त मॉडल के पूर्वाग्रह को कम करने के लिए बूस्टिंग पद्धति का क्रमिक रूप से उपयोग किया जाता है। दोनों को बढ़ावा देने और बदलने से विचरण शब्द को कम करके त्रुटियों को कम किया जा सकता है।
37) पहनावा पद्धति में वर्गीकरण त्रुटि का पूर्वाग्रह-विघटन क्या है?
एक सीखने के एल्गोरिथ्म की अपेक्षित त्रुटि को पूर्वाग्रह और विचरण में विघटित किया जा सकता है। एक पूर्वाग्रह अवधि मापता है कि लर्निंग एल्गोरिदम द्वारा उत्पादित औसत क्लासिफायर लक्ष्य फ़ंक्शन से कितनी निकटता से मेल खाता है। विभिन्न प्रकार के प्रशिक्षण सेटों के लिए सीखने की एल्गोरिथ्म की भविष्यवाणी में उतार-चढ़ाव कितना होता है, इसका विचरण शब्द मापता है।
38) पहनावा में एक वृद्धिशील लर्निंग एल्गोरिदम क्या है?
वृद्धिशील सीखने की विधि नए डेटा से सीखने के लिए एक एल्गोरिथ्म की क्षमता है जो क्लासिफायरियर द्वारा पहले से ही उपलब्ध डेटासेट से उत्पन्न होने के बाद उपलब्ध हो सकती है।
39) PCA, KPCA और ICA किसके लिए उपयोग किया जाता है?
PCA (प्रिंसिपल कंपोनेंट्स एनालिसिस), KPCA (कर्नेल बेस्ड प्रिंसिपल कंपोनेंट एनालिसिस) और ICA (इंडिपेंडेंट कंपोनेंट एनालिसिस) महत्वपूर्ण फीचर एक्सट्रैक्शन तकनीक हैं, जिनका इस्तेमाल डायनमिटी में कमी के लिए किया जाता है।
40) मशीन लर्निंग में आयाम में कमी क्या है?
मशीन लर्निंग और आंकड़ों में, आयाम में कमी विचार के तहत यादृच्छिक चर की संख्या को कम करने की प्रक्रिया है और इसे सुविधा चयन और सुविधा निष्कर्षण में विभाजित किया जा सकता है।
41) सपोर्ट वेक्टर मशीन क्या हैं?
समर्थन वेक्टर मशीनों को वर्गीकरण और प्रतिगमन विश्लेषण के लिए उपयोग किए जाने वाले शिक्षण एल्गोरिदम की निगरानी की जाती है।
42) संबंधपरक मूल्यांकन तकनीकों के घटक क्या हैं?
संबंधपरक मूल्यांकन तकनीकों के महत्वपूर्ण घटक हैं
- आंकड़ा अधिग्रहण
- ग्राउंड ट्रुथ एक्विजिशन
- क्रॉस मान्यता तकनीक
- क्वेरी प्रकार
- स्कोरिंग मैट्रिक
- महत्व परीक्षण
43) अनुक्रमिक अधिगम के लिए अलग-अलग तरीके क्या हैं?
अनुक्रमिक पर्यवेक्षण सीखने की समस्याओं को हल करने के लिए अलग-अलग तरीके हैं
- स्लाइडिंग-खिड़की के तरीके
- आवर्तक स्लाइडिंग खिड़कियां
- छिपे हुए मार्को मॉडल
- अधिकतम एन्ट्रापी मार्को मॉडल
- सशर्त यादृच्छिक क्षेत्र
- ग्राफ ट्रांसफार्मर नेटवर्क
44) रोबोटिक्स और सूचना प्रसंस्करण में ऐसे कौन से क्षेत्र हैं जहां अनुक्रमिक भविष्यवाणी की समस्या उत्पन्न होती है?
रोबोटिक्स और सूचना प्रसंस्करण के क्षेत्र जहां अनुक्रमिक भविष्यवाणी की समस्या उत्पन्न होती है
- नकल सीखना
- संरचित भविष्यवाणी
- मॉडल आधारित सुदृढीकरण सीखने
45) बैच सांख्यिकीय सीखने क्या है?
सांख्यिकीय सीखने की तकनीक अवलोकन किए गए डेटा के एक सेट से एक फ़ंक्शन या भविष्य कहनेवाला सीखने की अनुमति देती है जो अनदेखी या भविष्य के डेटा के बारे में भविष्यवाणियां कर सकती है। ये तकनीक डेटा जनरेट करने की प्रक्रिया पर एक सांख्यिकीय धारणा के आधार पर भविष्य की अनदेखी डेटा पर सीखे हुए भविष्यवक्ता के प्रदर्शन की गारंटी प्रदान करती है।
46) पीएसी लर्निंग क्या है?
PAC (संभवतः लगभग सही) अधिगम एक लर्निंग फ्रेमवर्क है जिसे लर्निंग एल्गोरिदम और उनकी सांख्यिकीय दक्षता का विश्लेषण करने के लिए पेश किया गया है।
47) अनुक्रम सीखने की प्रक्रिया को वर्गीकृत करने वाली विभिन्न श्रेणियां कौन सी हैं?
- अनुक्रम भविष्यवाणी
- अनुक्रम पीढ़ी
- अनुक्रम पहचान
- अनुक्रमिक निर्णय
४?) सीक्वेंस लर्निंग क्या है?
अनुक्रम सीखना एक तार्किक तरीके से शिक्षण और सीखने की एक विधि है।
49) मशीन लर्निंग की दो तकनीकें क्या हैं?
मशीन लर्निंग की दो तकनीकें हैं
- आनुवंशिक प्रोग्रामिंग
- प्रेरक अधिगम
प्रमुख ई-कॉमर्स वेबसाइटों द्वारा कार्यान्वित सिफारिश इंजन मशीन लर्निंग का उपयोग करता है।