प्रत्येक वर्गाचे (class) प्रशिक्षण (training) आणि चाचणी संच (test set) दोन्ही मध्ये योग्य प्रतिनीधित्व केले जाईल याची खात्री करण्यासाठी, डेटा (माहीती) निवडण्यासाठी वापरल्या जाणारी शब्दावली (terminology) ________ आहे.
EN
The terminology used for selecting data so as to assure that each class is properly represented in both the training and test set is _________.
योग्य उत्तर: पर्याय २ (स्तरीकरण / Stratification)
स्पष्टीकरण:
•
स्तरीकरण (Stratification - स्ट्रॅटिफिकेशन): मशीन लर्निंगमध्ये मॉडेलचे अचूक मूल्यांकन करण्यासाठी डेटासेटचे ट्रेनिंग (Training) आणि टेस्टिंग (Testing) संचांमध्ये विभाजन केले जाते.
•
जेव्हा डेटासेटमध्ये प्रत्येक वर्गाचे (Class) प्रमाण दोन्ही संचांमध्ये मूळ डेटाप्रमाणेच समान प्रमाणात राखले जावे याची खात्री केली जाते, तेव्हा त्या पद्धतीला 'स्तरीकरण' (Stratification / Stratified Sampling) म्हणतात.
•
यामुळे असंतुलित डेटामध्येही (Imbalanced Dataset) प्रत्येक वर्गाला योग्य प्रतिनिधित्व मिळते.
MPSC परीक्षा टीप
परीक्षेसाठी महत्त्वपूर्ण संकल्पना व शॉर्टकट
ट्रेनिंग आणि टेस्ट सेटमध्ये सर्व क्लासेसचे प्रमाण मूळ डेटासारखेच संतुलित ठेवण्याच्या पद्धतीस स्तरीकरण (Stratification) म्हणतात.
translate
English Explanation / स्पष्टीकरण:
Correct Answer: Option 2 (Stratification / स्तरीकरण)
Explanation:
•
In machine learning data preprocessing and evaluation (such as Stratified K-Fold cross-validation), Stratification is the technique of partitioning a dataset so that each class or subgroup is proportionately represented across both training and test subsets in the exact ratio found in the overall population.
•
It prevents sampling bias and ensures balanced representation, especially for minority classes in imbalanced classification datasets.
MPSC EXAM TIP
High-Yield Exam Strategy Tip
Selecting training and testing data splits to ensure proportional representation of every class is known as Stratification.