Class 10 AI Unit 3: Models का Evaluation
21 theory घंटे · 4 practical घंटे · 10 theory marks
ये unit किस बारे में है
ये unit इस बारे में है कि model कितना अच्छा है ये कैसे जाँचें। Data को training और testing sets में बाँटते हैं, confusion matrix बनाते हैं (true/false positives और negatives), और accuracy, precision, recall और F1 score निकालते हैं, फिर problem के हिसाब से सही metric चुनते हैं और bias और transparency पर सोचते हैं।
AI tutor से सीखो, एक-एक मिनट में
Unit में क्या आता है
- Evaluation क्या है और model को इसकी ज़रूरत क्यों है।
- Train-test split।
- Accuracy और error; confusion matrix; precision, recall और F1 score।
- सही metric चुनना, और ethical concerns: bias, transparency और accuracy।
ज़रूरी terms
- Accuracy
- (TP + TN) ÷ सारे predictions: model ने कितने हिस्से सही किए।
- Precision
- TP ÷ (TP + FP): जितने positive predict किए, उनमें से सच में कितने positive थे।
- Recall
- TP ÷ (TP + FN): सारे असली positives में से model ने कितने पकड़े।
- F1 score
- 2 × precision × recall ÷ (precision + recall): एक number जो दोनों को balance करता है।
- False negative
- Model ने ना कहा, पर असली जवाब हाँ था।
Exam-style सवाल
1. एक model में TP = 40, TN = 45, FP = 5, FN = 10 है। उसकी accuracy निकालो।
जवाब देखो →
(40 + 45) ÷ 100 = 0.85, यानी 85%।
2. उसी model के लिए precision और recall निकालो।
जवाब देखो →
Precision = 40 ÷ 45 ≈ 0.89। Recall = 40 ÷ 50 = 0.80।
3. बीमारी पकड़ने के लिए क्या ज़्यादा ज़रूरी है: precision या recall?
जवाब देखो →
Recall, क्योंकि false negative का मतलब है बीमार मरीज़ बिना इलाज के घर चला गया, जो एक extra test से कहीं महँगा है।
Sources
Unit names, घंटे और marks 1 नवंबर 2026 को CBSE के official 2026-27 curriculum से जाँचे गए। Explanations और सवाल CogniGuru ने लिखे हैं।