面试官问：监督学习、无监督学习、强化学习的区别？

📚 参考：机器学习 | 深度学习

考察点：三大机器学习范式的区分标准（数据是否有标签）、自监督学习与 LLM 训练的关系、RLHF 的本质理解

详细信息

核心回答

机器学习三大范式，按"数据是否有标签"区分：

范式	数据特征	目标	典型算法
监督学习	有标签 (x→y)	学习映射关系	线性回归、决策树、CNN
无监督学习	无标签	发现数据结构	K-Means、PCA、自编码器
强化学习	与环境交互	最大化累积奖励	Q-Learning、PPO

监督学习：给学生「题目+答案」，考试考同类题
无监督学习：给学生「一堆题目」，自己找出题目的规律
强化学习：学生不知道答案，但做对了给糖，做错了惩罚，不断试错

关键延伸：

• 半监督学习：少量标签 + 大量无标签数据
• 自监督学习：从数据自身生成标签（BERT 的 MLM、GPT 的 Next Token Prediction）—— 这是 LLM 训练的核心

面试回答要点

• 清晰区分三者的"数据是否有标签"
• 能说出 Transformer/LLM 使用自监督学习
• RLHF（强化学习人类反馈）是 RL + 监督的组合

来源：机器学习概念讲解