监督学习和无监督学习的核心区别是()。A. 是否使用神经网络B. 数据是否带有标签C. 是否需要高性能计算D. 是否处理图像数据

监督学习与无监督学习的核心区别在于数据是否带有标签。

• 监督学习需要使用带标签的数据进行训练，模型通过学习输入与输出的映射关系，最终实现对新数据的预测（如分类、回归）。
• 无监督学习处理无标签的数据，模型自主发现数据的内在结构（如聚类、降维）。
  其他选项（如算法类型、计算资源、数据形式）均非两者的本质差异。

选项分析

A. 是否使用神经网络

错误。神经网络是算法工具，既可用于监督学习（如CNN分类图像），也可用于无监督学习（如自编码器）。工具选择与学习类型无关。

B. 数据是否带有标签

正确。监督学习依赖标签指导模型学习，无监督学习完全依赖数据本身的分布规律，这是两者的根本区别。

C. 是否需要高性能计算

错误。计算需求取决于模型复杂度，与学习类型无必然联系。简单监督模型可能无需高性能计算，复杂无监督模型可能需要。

D. 是否处理图像数据

错误。监督与无监督学习均可处理图像、文本、数值等数据类型，数据形式非核心差异。