只有少量样本有标签,大量样本无标签,这种机器学习属于()A. 半监督学习B. 无监督学习C. 强化学习D. 迁移学习

考查要点：本题主要考查对机器学习不同范式（半监督学习、无监督学习等）的理解与区分，重点在于识别题目中描述的数据特征（少量标签、大量无标签）对应的算法类型。

解题核心思路：

1. 明确关键条件：题目中存在少量有标签样本和大量无标签样本。
2. 对比选项定义：
   • 半监督学习：利用少量标签数据和大量无标签数据进行训练，旨在提升模型性能。
   • 无监督学习：完全不依赖标签，仅处理无标签数据（如聚类）。
   • 强化学习：通过奖励机制学习策略，与数据标签无关。
   • 迁移学习：利用已有任务知识迁移到新任务，不直接涉及标签数量。
3. 匹配条件与定义：题目中同时存在标签和无标签数据，符合半监督学习的核心特征。

关键分析步骤：

1. 排除无关选项：
   • 强化学习（C）和迁移学习（D）与数据标签数量无关，直接排除。
2. 区分剩余选项：
   • 无监督学习（B）仅处理无标签数据，而题目中存在少量标签数据，因此不符合。
   • 半监督学习（A）明确要求同时存在少量标签数据和大量无标签数据，与题目条件完全匹配。

结论：正确答案为A. 半监督学习。