强化学习属于监督学习。A. 对B. 错

考查要点：本题主要考查学生对机器学习基本分类的理解，特别是强化学习与监督学习的核心区别。

关键思路：

1. 监督学习的核心是通过带标签的数据进行训练，模型学习输入到输出的映射关系。
2. 强化学习的核心是通过试错和奖励机制，在环境中通过自主探索优化策略。
3. 两者属于不同学习范式，强化学习独立于监督学习。

监督学习的特点

• 输入与输出均有标签：训练数据包含明确的正确答案（如分类标签或回归值）。
• 目标：学习输入与输出之间的映射关系（如图像分类、房价预测）。
• 示例：给模型展示带标签的图片（如“猫”或“狗”），模型通过调整参数匹配标签。

强化学习的特点

• 无标签数据：模型通过与环境交互，获得奖励或惩罚信号。
• 目标：通过最大化累积奖励，找到最优行为策略（如游戏AI、机器人导航）。
• 示例：智能体在迷宫中随机尝试路径，每一步根据是否找到出口获得奖励，最终学会最优路径。

核心区别

• 反馈机制：监督学习依赖直接的正确答案反馈，强化学习依赖延迟的奖励反馈。
• 学习目标：监督学习关注预测准确性，强化学习关注长期收益最大化。