Correct Answer:
Option C - सुपरवाइज्ड लर्निंग के लिए लेबल किए गए डेटा की आवश्यकता होती है, क्योंकि यह इनपुट-आउटपुट संबंधों को सीखने के लिए प्रशिक्षित होता है।
•अनसुपरवाइज्ड लर्निंग बिना किसी लेबल के पैटर्न की पहचान करता है, यानी यह डेटा में छिपे हुए संबंधो को खोजने का प्रयास करता है।
•रीइनफोर्समेंट लर्निंग में एक एजेंट को पुरस्कार या दंड के माध्यम से फीडबैक मिलता है, जिससे वह अपने निर्णयों को बेहतर बनाता है।
•सेमी-सुपरवाइज्ड लर्निंग बड़े लेबल वाले डेटा सेट तक सीमित नहीं होता, बल्कि इसका उपयोग छोटे लेबल वाले और बड़े अनलेबल डेटा के संयोजन के लिए किया जाता है।
अत: कथन 1, 2 और 3 सत्य हैं।
C. सुपरवाइज्ड लर्निंग के लिए लेबल किए गए डेटा की आवश्यकता होती है, क्योंकि यह इनपुट-आउटपुट संबंधों को सीखने के लिए प्रशिक्षित होता है।
•अनसुपरवाइज्ड लर्निंग बिना किसी लेबल के पैटर्न की पहचान करता है, यानी यह डेटा में छिपे हुए संबंधो को खोजने का प्रयास करता है।
•रीइनफोर्समेंट लर्निंग में एक एजेंट को पुरस्कार या दंड के माध्यम से फीडबैक मिलता है, जिससे वह अपने निर्णयों को बेहतर बनाता है।
•सेमी-सुपरवाइज्ड लर्निंग बड़े लेबल वाले डेटा सेट तक सीमित नहीं होता, बल्कि इसका उपयोग छोटे लेबल वाले और बड़े अनलेबल डेटा के संयोजन के लिए किया जाता है।
अत: कथन 1, 2 और 3 सत्य हैं।