सही!Correct!
गलत।Incorrect.
उत्तरAnswer: B — इनाम और दंडReward and punishment
व्याख्याExplanation
• रीइन्फोर्समेंट लर्निंग में एजेंट परिवेश में कार्य करके ट्रायल-एंड-एरर से सीखता है; अच्छे कार्य पर इनाम और गलत कार्य पर दंड मिलता है।
• लक्ष्य ऐसी नीति (policy) खोजना है जो समय के साथ कुल इनाम को अधिकतम करे; मुख्य घटक हैं—एजेंट, परिवेश, अवस्था, कार्य और इनाम।
• क्लस्टरिंग अनसुपरवाइज़्ड लर्निंग का भाग है, लेबल वाला डेटा सुपरवाइज़्ड लर्निंग की पहचान है और सॉर्टिंग एक सामान्य एल्गोरिदमिक कार्य है, सीखने का प्रकार नहीं।
• In reinforcement learning an agent learns by trial and error: it acts in an environment and receives rewards for good actions and penalties for bad ones.
• The goal is to find a policy that maximises the cumulative reward over time; the main elements are agent, environment, state, action and reward.
• Clustering belongs to unsupervised learning, labelled data is the mark of supervised learning, and sorting is a basic algorithmic task, not a learning paradigm.
महत्वपूर्ण तथ्यQuick facts
- The three classic ML paradigms are supervised, unsupervised and reinforcement learning.
- Game-playing programs such as AlphaGo and robot-control systems are standard reinforcement-learning examples.
- मशीन लर्निंग के तीन मूल प्रकार हैं—सुपरवाइज़्ड, अनसुपरवाइज़्ड और रीइन्फोर्समेंट लर्निंग।
- अल्फ़ागो जैसे गेम-खेलने वाले प्रोग्राम और रोबोट-नियंत्रण प्रणालियाँ रीइन्फोर्समेंट लर्निंग के मानक उदाहरण हैं।
