监督学习和无监督学习的主要区别在于:A. 监督学习只能用于分类任务B. 无监督学习需要大量计算资源C. 监督学习用于图像识别，无监督学习用于自然语言D. 监督学习需要标注数据，无监督学习不需要

监督学习和无监督学习的核心区别在于数据的标注情况。监督学习需要使用带有标签的数据进行训练，模型通过学习输入与标签之间的映射关系来做出预测；而无监督学习处理的是未标注的数据，其目标是发现数据内在的结构或模式。理解这一关键点即可快速排除干扰选项。

选项分析

选项A

错误。监督学习不仅用于分类任务，还可用于回归任务（如预测房价）。因此“只能用于分类”是错误表述。

选项B

干扰项。无监督学习（如聚类、深度学习）可能需要更多计算资源，但这并非两者的本质区别，且监督学习中的复杂模型（如深度神经网络）同样需要大量计算资源。

选项C

错误。监督学习和无监督学习的应用场景存在交叉。例如，监督学习可用于图像识别（如分类），无监督学习也可用于自然语言处理（如主题建模），但题目中将两者完全对立是不准确的。

选项D

正确。监督学习需要标注数据（如每张图片标注“猫”或“狗”），而无监督学习不需要数据标注（如直接分析用户行为数据寻找群体特征）。这是两者的本质区别。