监督学习（Supervised Learning）和无监督学习（Unsupervised Learning）是机器学习最基本的两种训练范式，区别在于训练数据是否带有标签（标准答案）。
监督学习
训练数据是"输入+标签"对（如邮件+"垃圾/正常"）。模型学习输入到输出的映射，训练后能对新输入做预测。典型任务：分类（识别猫狗）、回归（预测房价）。它是目前应用最广、效果最稳定的范式。
无监督学习
训练数据只有输入、没有标签。模型自己发现数据中的结构或规律。典型任务：聚类（把客户自动分组）、降维（压缩高维数据）、异常检测。
两者的关系
- 预训练 + 微调（Fine-tuning）就是"无监督/自监督打底 + 监督精调"的组合拳
- 大语言模型的预训练本质上是自监督学习（预测下一个词，标签来自数据自身）
- 强化学习（通过奖励信号学习）则是第三种范式，常与前两者结合
一句话理解
监督学习像"有答案的练习册"，无监督学习像"自己总结规律的探索"，两者结合构成了现代AI的训练体系。