有以下哪个术语用于描述一种机器学习技术，其中模型通过学习大量数据中的统计规律来进行预测或分类?A. 深度学习B. 强化学习C. 监督学习D. 无监督学习

考查要点：本题主要考查对机器学习基本概念的区分能力，特别是不同学习范式的定义与应用场景。

解题核心：明确监督学习的核心特征——利用带标签的数据学习输入与输出之间的映射关系，从而实现预测或分类任务。需注意区分其他学习范式的关键特点：

• 强化学习依赖奖励机制和试错过程；
• 无监督学习处理无标签数据，侧重发现数据内在结构；
• 深度学习是实现方法而非学习范式，通常与监督学习结合使用。

选项分析

A. 深度学习

• 特点：基于多层神经网络，擅长从数据中自动提取特征。
• 局限：需结合具体学习范式（如监督学习）才能完成预测任务，本身不直接对应题目描述。

B. 强化学习

• 特点：通过试错和奖励信号优化策略，适用于序列决策问题（如游戏控制）。
• 关联性：与“学习统计规律”无直接关系，更强调动态交互。

C. 监督学习

• 核心：使用带标签的数据训练模型，学习输入与输出的映射关系。
• 典型任务：分类（如图像识别）和回归（如房价预测），完全匹配题目中“预测或分类”和“统计规律”的描述。

D. 无监督学习

• 目标：发现数据内在结构（如聚类、降维），无需标签。
• 差异：不直接用于预测或分类，更侧重数据理解。