मशीन लर्निंगपर कुछ बहुविकल्पीय प्रश्न (MCQs)

Telegram - https://t.me/prasbisir

1. मशीन लर्निंग किसके अध्ययन के लिए एक उप-विषय है?

a) गणित

b) भौतिकी

c) कम्प्यूटर विज्ञान

d) रसायन विज्ञान

उत्तर: c) कम्प्यूटर विज्ञान

2. मशीन लर्निंग में "सुपरवाइज्ड लर्निंग" का क्या मतलब है?

a) बिना किसी इंसानी हस्तक्षेप के सीखना

b) प्रशिक्षक के मार्गदर्शन में सीखना

c) केवल आंकड़ों के आधार पर सीखना

d) न्यूनतम डेटा के साथ सीखना

उत्तर: b) प्रशिक्षक के मार्गदर्शन में सीखना

3. निम्नलिखित में से कौन सा मशीन लर्निंग का प्रकार नहीं है?

a) सुपरवाइज्ड लर्निंग

b) अनसुपरवाइज्ड लर्निंग

c) डीप लर्निंग

d) मैनुअल लर्निंग

उत्तर: d) मैनुअल लर्निंग

4. मशीन लर्निंग में उपयोग होने वाला प्रमुख एल्गोरिदम कौन सा है?

a) लीनियर रिग्रेशन

b) फोरियर ट्रांसफॉर्म

c) क्वांटम कोडिंग

d) बोलीन एलजेब्रा

उत्तर: a) लीनियर रिग्रेशन

5. मशीन लर्निंग में "ओवरफिटिंग" का क्या मतलब है?

a) मॉडल का प्रशिक्षण डेटा को अच्छी तरह से फिट करना

b) मॉडल का परीक्षण डेटा को फिट करना

c) मॉडल का प्रशिक्षण डेटा पर बहुत अच्छा प्रदर्शन करना लेकिन परीक्षण डेटा पर खराब प्रदर्शन करना

d) मॉडल का दोनों डेटा सेट्स पर अच्छा प्रदर्शन करना

उत्तर: c) मॉडल का प्रशिक्षण डेटा पर बहुत अच्छा प्रदर्शन करना लेकिन परीक्षण डेटा पर खराब प्रदर्शन करना

6. "क्लस्टरिंग" किस प्रकार की मशीन लर्निंग तकनीक है?

a) सुपरवाइज्ड

b) अनसुपरवाइज्ड

c) रिइन्फोर्समेंट

d) सेमी-सुपरवाइज्ड

उत्तर: b) अनसुपरवाइज्ड

7. निम्नलिखित में से कौन सा मशीन लर्निंग मॉडल का उदाहरण नहीं है?

a) डिसिजन ट्री

b) नेव बेयस

c) क्रिप्टोग्राफी

d) सपोर्ट वेक्टर मशीन

उत्तर: c) क्रिप्टोग्राफी

8. कौन सा एल्गोरिदम विशेष रूप से टेक्स्ट डेटा को हैंडल करने के लिए प्रसिद्ध है?

a) k-Nearest Neighbors (k-NN)

b) लीनियर रिग्रेशन

c) टर्म फ्रीक्वेंसी-इनवर्स डॉक्यूमेंट फ्रीक्वेंसी (TF-IDF)

d) रैंडम फॉरेस्ट

उत्तर: c) टर्म फ्रीक्वेंसी-इनवर्स डॉक्यूमेंट फ्रीक्वेंसी (TF-IDF)

9. "डीप लर्निंग" क्या है?

a) मशीन लर्निंग का एक प्रकार

b) डेटा साइंस का एक प्रकार

c) बिग डेटा का एक प्रकार

d) एआई का एक प्रकार

उत्तर: a) मशीन लर्निंग का एक प्रकार

10. मशीन लर्निंग में "रिइन्फोर्समेंट लर्निंग" का क्या मतलब है?

a) प्रशिक्षक के मार्गदर्शन में सीखना

b) बिना किसी इनाम के सीखना

c) इनाम और सजा के माध्यम से सीखना

d) पूर्व-प्रशिक्षण के माध्यम से सीखना

उत्तर: c) इनाम और सजा के माध्यम से सीखना

11. मशीन लर्निंग में "फीचर इंजीनियरिंग" का क्या मतलब है?

a) डेटा की सफाई

b) डेटा का पुनर्निर्माण

c) डेटा से महत्वपूर्ण जानकारी निकालना

d) मॉडल का परीक्षण करना

उत्तर: c) डेटा से महत्वपूर्ण जानकारी निकालना

12. निम्नलिखित में से कौन सा अनसुपरवाइज्ड लर्निंग एल्गोरिदम है?

a) लीनियर रिग्रेशन

b) k-Means क्लस्टरिंग

c) लोजिस्टिक रिग्रेशन

d) डिसिजन ट्री

उत्तर: b) k-Means क्लस्टरिंग

13. "हिडन लेयर" किसके साथ संबंधित है?

a) लीनियर रिग्रेशन

b) नॉन-लीनियर रिग्रेशन

c) न्यूरल नेटवर्क

d) डिसिजन ट्री

उत्तर: c) न्यूरल नेटवर्क

14. मशीन लर्निंग में "ग्रेडिएंट डिसेंट" का क्या उपयोग है?

a) डेटा की सफाई के लिए

b) मॉडल की जटिलता को कम करने के लिए

c) मॉडल के मानकों को अपडेट करने के लिए

d) डेटा को ग्रुप करने के लिए

उत्तर: c) मॉडल के मानकों को अपडेट करने के लिए

15. निम्नलिखित में से कौन सा सुपरवाइज्ड लर्निंग का उदाहरण है?

a) PCA

b) k-Means

c) SVM

d) Autoencoders

उत्तर: c) SVM

16. "नायव बेयस" एल्गोरिदम का मुख्य आधार क्या है?

a) बेयसियन थ्योरी

b) आर्टिफिशियल न्यूरल नेटवर्क

c) ग्रेडिएंट डिसेंट

d) क्लस्टरिंग

उत्तर: a) बेयसियन थ्योरी

17. निम्नलिखित में से कौन सा "ओवरफिटिंग" से निपटने का तरीका है?

a) डेटा को बढ़ाना

b) मॉडल को सरल बनाना

c) मॉडल की जटिलता बढ़ाना

d) अतिरिक्त डेटा जोड़ना

उत्तर: b) मॉडल को सरल बनाना

18. "कॉन्वॉल्यूशनल न्यूरल नेटवर्क" (CNN) का प्रमुख उपयोग किस क्षेत्र में होता है?

a) ऑडियो प्रोसेसिंग

b) इमेज प्रोसेसिंग

c) टेक्स्ट प्रोसेसिंग

d) डेटा माइनिंग

उत्तर: b) इमेज प्रोसेसिंग

19. मशीन लर्निंग में "रैंडम फॉरेस्ट" क्या है?

a) डिसिजन ट्री का एक सेट

b) एकल डिसिजन ट्री

c) न्यूरल नेटवर्क

d) क्लस्टरिंग एल्गोरिदम

उत्तर: a) डिसिजन ट्री का एक सेट

20. "रिज रिग्रेशन" में 'रिज' का मतलब क्या है?

a) फीचर्स की संख्या को कम करना

b) फीचर्स की वैल्यू को नॉर्मलाइज करना

c) मॉडल के वजन को रेगुलराइज करना

d) मॉडल की जटिलता बढ़ाना

उत्तर: c) मॉडल के वजन को रेगुलराइज करना

21. निम्नलिखित में से कौन सा "अनसुपरवाइज्ड लर्निंग" एल्गोरिदम है?

a) लीनियर रिग्रेशन

b) k-Nearest Neighbors (k-NN)

c) Principal Component Analysis (PCA)

d) लोजिस्टिक रिग्रेशन

उत्तर: c) Principal Component Analysis (PCA)

22. "एक्चुएटर" किससे संबंधित है?

a) डेटा इन्पुट

b) डेटा आउटपुट

c) मॉडल अपडेट

d) डेटा क्लस्टरिंग

उत्तर: b) डेटा आउटपुट

23. मशीन लर्निंग में "बैगिंग" का मतलब क्या है?

a) डेटा को ग्रुप करना

b) डेटा को मिक्स करना

c) डेटा को प्रेडिक्ट करना

d) मॉडल के विभिन्न संस्करणों को मिलाना

उत्तर: d) मॉडल के विभिन्न संस्करणों को मिलाना

24. "प्रोबेबिलिस्टिक ग्राफिकल मॉडल" किसके लिए उपयोग होते हैं?

a) डेटा की ग्राफिकल प्रस्तुति

b) डेटा की प्रोबेबिलिस्टिक प्रस्तुति

c) मॉडल की जटिलता को कम करना

d) मॉडल की सटीकता को बढ़ाना

उत्तर: b) डेटा की प्रोबेबिलिस्टिक प्रस्तुति

25. "लॉजिस्टिक रिग्रेशन" में क्या उपयोग होता है?

a) केवल लगातार डेटा के लिए

b) बाइनरी या कैटेगोरिकल डेटा के लिए

c) क्लस्टरिंग के लिए

d) डेटा के एकत्रीकरण के लिए

उत्तर: b) बाइनरी या कैटेगोरिकल डेटा के लिए

26. "ग्रेडिएंट बूस्टिंग" क्या है?

a) एकल मॉडल का उपयोग

b) एकाधिक मॉडल का क्रमिक उपयोग

c) फीचर इंजीनियरिंग का हिस्सा

d) डेटा संग्रह का तरीका

उत्तर: b) एकाधिक मॉडल का क्रमिक उपयोग

27. मशीन लर्निंग में "एन्सेम्बल लर्निंग" का क्या मतलब है?

a) एकल मॉडल का उपयोग

b) विभिन्न मॉडल्स का उपयोग

c) मॉडल का परीक्षण

d) डेटा का नॉर्मलाइजेशन

उत्तर: b) विभिन्न मॉडल्स का उपयोग

28. "Support Vector Machine" (SVM) किसके लिए उपयोग होती है?

a) क्लस्टरिंग के लिए

b) रिग्रेशन के लिए

c) क्लासिफिकेशन के लिए

d) डेटा क्लीनिंग के लिए

उत्तर: c) क्लासिफिकेशन के लिए

29. "L1" और "L2" रेगुलराइजेशन का उद्देश्य क्या है?

a) मॉडल की सटीकता बढ़ाना

b) मॉडल की जटिलता कम करना

c) मॉडल की स्पीड बढ़ाना

d) डेटा की मात्रा बढ़ाना

उत्तर: b) मॉडल की जटिलता कम करना

30. मशीन लर्निंग में "हाइपरपैरामीटर" क्या है?

a) डेटा की एक श्रेणी

b) मॉडल के पैरामीटर जो प्रशिक्षण के दौरान सीखे जाते हैं

c) मॉडल के पैरामीटर जो मैन्युअली सेट होते हैं

d) मॉडल के आउटपुट

उत्तर: c) मॉडल के पैरामीटर जो मैन्युअली सेट होते हैं

31. "क्लस्टरिंग" के उपयोग का प्रमुख उदाहरण क्या है?

a) फेस रिकग्निशन

b) डेटा सेगमेंटेशन

c) डेटा प्रेडिक्शन

d) ऑडियो प्रोसेसिंग

उत्तर: b) डेटा सेगमेंटेशन

32. "Recurrent Neural Networks" (RNN) किस प्रकार के डेटा के लिए उपयुक्त हैं?

a) स्थिर डेटा

b) अनुक्रमिक डेटा

c) कैटेगोरिकल डेटा

d) नॉइस डेटा

उत्तर: b) अनुक्रमिक डेटा

33. "ग्रेडिएंट डिसेंट" का प्रमुख उद्देश्य क्या है?

a) डेटा को क्लस्टर करना

b) मॉडल को रेगुलराइज करना

c) लॉस फंक्शन को मिनिमाइज करना

d) डेटा की सफाई करना

उत्तर: c) लॉस फंक्शन को मिनिमाइज करना

34. मशीन लर्निंग में "कन्फ्यूजन मैट्रिक्स" का क्या उपयोग है?

a) मॉडल के इनपुट को चेक करना

b) मॉडल की भविष्यवाणियों को चेक करना

c) मॉडल की सटीकता मापना

d) मॉडल की जटिलता मापना

उत्तर: c) मॉडल की सटीकता मापना

35. "One-hot Encoding" किसके लिए उपयोग होता है?

a) डेटा की क्लस्टरिंग के लिए

b) कैटेगोरिकल डेटा को नुमेरिक में बदलने के लिए

c) मॉडल की जटिलता बढ़ाने के लिए

d) डेटा के नॉइज़ को हटाने के लिए

उत्तर: b) कैटेगोरिकल डेटा को नुमेरिक में बदलने के लिए

36. "Principal Component Analysis" (PCA) का मुख्य उद्देश्य क्या है?

a) डेटा को क्लस्टर करना

b) मॉडल की सटीकता बढ़ाना

c) डेटा की आयाम को कम करना

d) मॉडल का परीक्षण करना

उत्तर: c) डेटा की आयाम को कम करना

37. निम्नलिखित में से कौन सा "डीप लर्निंग" मॉडल का उदाहरण है?

a) लीनियर रिग्रेशन

b) डिसिजन ट्री

c) कन्वॉल्यूशनल न्यूरल नेटवर्क (CNN)

d) k-Nearest Neighbors (k-NN)

उत्तर: c) कन्वॉल्यूशनल न्यूरल नेटवर्क (CNN)

38. "Support Vector Machine" (SVM) में 'Support Vectors' का क्या मतलब है?

a) डेटा के मिडपॉइंट्स

b) क्लासिफिकेशन बाउंड्री के नजदीक के पॉइंट्स

c) मॉडल के आउटपुट

d) मॉडल के इनपुट

उत्तर: b) क्लासिफिकेशन बाउंड्री के नजदीक के पॉइंट्स

39. मशीन लर्निंग में "ग्रिड सर्च" का क्या उपयोग है?

a) डेटा को खोजने के लिए

b) मॉडल के इनपुट को खोजने के लिए

c) हाइपरपैरामीटर को ट्यून करने के लिए

d) डेटा को नॉर्मलाइज करने के लिए

उत्तर: c) हाइपरपैरामीटर को ट्यून करने के लिए

40. मशीन लर्निंग में "एथिकल इंप्लीकेशन्स" का क्या मतलब है?

a) मॉडल के परफॉर्मेंस को मापना

b) डेटा की विविधता को मापना

c) मॉडल के उपयोग के नैतिक प्रभाव

d) डेटा की सफाई

उत्तर: c) मॉडल के उपयोग के नैतिक प्रभाव

41. मशीन लर्निंग में "नॉइज़" का क्या प्रभाव हो सकता है?

a) मॉडल की सटीकता बढ़ाता है

b) मॉडल की सटीकता घटाता है

c) मॉडल की स्पीड बढ़ाता है

d) मॉडल की जटिलता घटाता है

उत्तर: b) मॉडल की सटीकता घटाता है

42. "Decision Tree" एल्गोरिदम में "लीफ नोड" क्या है?

a) डेटा का प्रवेश बिंदु

b) डेटा का निष्कर्ष बिंदु

c) डेटा का विभाजन बिंदु

d) डेटा का समूह बिंदु

उत्तर: b) डेटा का निष्कर्ष बिंदु

43. मशीन लर्निंग में "डेटा नॉर्मलाइजेशन" का क्या उद्देश्य है?

a) डेटा को क्लस्टर करना

b) डेटा की विविधता को बढ़ाना

c) मॉडल की जटिलता को कम करना

d) डेटा को समान स्केल पर लाना

उत्तर: d) डेटा को समान स्केल पर लाना

44. "KNN" एल्गोरिदम में 'K' का मतलब क्या है?

a) सबसे नजदीकी डेटा पॉइंट्स की संख्या

b) क्लस्टर की संख्या

c) मॉडल के पैरामीटर

d) डेटा की आयाम

उत्तर: a) सबसे नजदीकी डेटा पॉइंट्स की संख्या

45. मशीन लर्निंग में "डेटा ओग्मेंटेशन" का क्या उद्देश्य है?

a) मॉडल की जटिलता को बढ़ाना

b) डेटा की मात्रा को बढ़ाना

c) मॉडल की सटीकता को कम करना

d) डेटा की विविधता को कम करना

उत्तर: b) डेटा की मात्रा को बढ़ाना

46. "ग्रेडिएंट डिसेंट" एल्गोरिदम में 'लर्निंग रेट' का क्या मतलब है?

a) मॉडल के इनपुट का माप

b) मॉडल के आउटपुट का माप

c) मॉडल के पैरामीटर का अपडेट करने की दर

d) मॉडल की जटिलता का माप

उत्तर: c) मॉडल के पैरामीटर का अपडेट करने की दर

47. "RNN" में 'R' का क्या मतलब है?

a) रेडियल

b) रेंडम

c) रिकरंट

d) रोटेशनल

उत्तर: c) रिकरंट

48. मशीन लर्निंग में "मिसिंग डेटा" का क्या प्रभाव हो सकता है?

a) मॉडल की सटीकता बढ़ाता है

b) मॉडल की सटीकता घटाता है

c) मॉडल की जटिलता बढ़ाता है

d) मॉडल की स्पीड बढ़ाता है

उत्तर: b) मॉडल की सटीकता घटाता है

49. मशीन लर्निंग में "एथिकल बायस" का क्या मतलब है?

a) मॉडल की जटिलता का माप

b) डेटा की विविधता का माप

c) मॉडल के परिणामों में पूर्वाग्रह

d) मॉडल की सटीकता का माप

उत्तर: c) मॉडल के परिणामों में पूर्वाग्रह

50. "Random Forest" एल्गोरिदम में 'रैंडम' का क्या मतलब है?

a) रैंडम डेटा सेलेक्शन

b) रैंडम फीचर सेलेक्शन

c) रैंडम मॉडल सेलेक्शन

d) रैंडम आउटपुट सेलेक्शन

उत्तर: b) रैंडम फीचर सेलेक्शन

उत्तर: b) रैंडम फीचर सेलेक्शन

मशीन लर्निंग पर कुछ बहुविकल्पीय प्रश्न (MCQ) By Prasbi Sir

RajkumarPrasbi