在机器学习领域，监督学习与无监督学习的主要差异体现在哪些方面？

回答思路

1. 【回答框架 1】监督学习使用有标签数据训练模型，目标是从输入映射到已知输出，常见任务包括分类和回归。无监督学习使用无标签数据，目标是发现数据内在结构或分布，常见任务包括聚类和降维。
2. 【回答框架 2】两者的根本区别在于训练数据是否包含标签以及学习目标不同。监督学习通过最小化预测与真实标签的误差来优化模型，无监督学习则通过优化聚类紧密性、重构误差或分布拟合等内在准则来学习。
3. 【回答框架 3】应用场景上，监督学习适用于有历史标注数据的预测任务，如垃圾邮件识别、房价预测；无监督学习适用于探索性分析或标签稀缺场景，如客户分群、异常检测、特征压缩。
4. 【回答框架 4】实际中两者常结合使用，例如先用无监督方法做特征学习或预训练，再在少量标注数据上微调进行监督学习，以提升数据利用效率。
5. 【关键点 1】监督学习依赖有标签数据，无监督学习使用无标签数据。
6. 【关键点 2】监督学习任务典型为分类与回归，无监督学习典型为聚类与降维。
7. 【关键点 3】监督学习目标为最小化预测误差，无监督学习目标为发现数据内在结构。
8. 【关键点 4】两者可结合使用，如预训练加微调。
9. 【易错点 1】不要误认为无监督学习完全没有目标函数，其仍通过特定准则优化。
10. 【易错点 2】不应将半监督学习混同于无监督学习，半监督学习使用部分标签。