机器学习算法根据任务性质的不同，主要可划分为两大类：监督学习与强化学习。接下来，我们将深入解析这两种学习方式的核心原理、实际应用案例，以及它们如何相互配合、协同发挥作用。

一、监督学习

监督学习是一种通过“引导”计算机识别数据模式的算法方法。典型的应用场景包括：垃圾邮件过滤与人脸识别。

1. 垃圾邮件识别

要让计算机具备判断一封邮件是否属于垃圾邮件的能力，开发人员需要先收集充足的训练样本——涵盖垃圾邮件与正常邮件。随后，必须明确“告知”计算机每一封邮件对应的类别（垃圾或非垃圾）。这一过程被称为数据标注。

2. 人脸识别

类似地，人脸识别系统需要采集大量人脸图像，并逐一标注每张图片对应的身份信息。计算机通过分析这些已标注的数据，逐步学会准确识别不同的人脸特征。

上述提到的邮件与人脸图片统称为训练数据，而“告知”计算机邮件和图片归属类别的操作就是打标签（Labeling for training data）。