有监督学习的典型任务包括：A: 图像生成与视频翻译B: 特征选择与数据规约C: 聚类与降维D: 分类与回归E: 强化学习策略搜索

有监督学习的核心在于利用带标签的数据训练模型，使其能够根据输入特征预测目标变量。其典型任务包括分类（预测离散类别）和回归（预测连续值）。本题需区分有监督学习与其他类型任务（如无监督学习、强化学习）的差异，明确选项中哪些属于其核心任务。

选项分析

A: 图像生成与视频翻译

图像生成（如GANs）和视频翻译通常属于生成模型或无监督学习范畴，依赖数据分布而非标签，与有监督学习无关。

B: 特征选择与数据规约

属于数据预处理步骤，用于优化数据质量，但并非有监督学习的核心任务。

C: 聚类与降维

聚类（如K-means）和降维（如PCA）是无监督学习的典型任务，用于发现数据内在结构，无需标签。

D: 分类与回归

分类（如识别图像类别）和回归（如预测房价）是有监督学习的核心任务，直接利用标签数据训练模型。

E: 强化学习策略搜索

属于强化学习，通过试错机制优化策略，与有监督学习的标签驱动方式不同。