2.4 机器学习方法（第4课时）
教学重难点
重点：监督学习、无监督学习、强化学习三者的基本概念与典型例子。
难点：区分三类机器学习适用场景。
教学过程
1. 导入：机器学习的方式不止一种，就像人学习分为有老师教、自己归纳、试错奖惩学习。
2. 新知讲解
- 监督学习：带标签的数据，“有标准答案的学习”。输入+已知输出，机器学习输入输出对应关系。
实例：图像分类、房价预测。
- 无监督学习：数据没有标签、没有标准答案，机器自主挖掘数据内部结构、分组聚类。
实例：用户聚类、异常检测。
- 强化学习：通过不断试错，依靠奖励、惩罚信号不断优化行为。不依靠现成数据集，靠和环境交互获得反馈。
实例：智能驾驶、AI博弈下棋。
3. 课堂任务：判断案例分别属于哪一类学习方法。
例1：给大量标注猫狗图片训练识别模型（监督学习）
例2：机器人不断尝试行走，摔倒扣分、平稳前进加分（强化学习）
4. 小结：三种学习方法，分别适配不同任务场景。