监督学习和无监督学习在因子挖掘中主要有以下区别：

在目标方面，监督学习有明确目标，需预测一个特定的输出变量。比如在股票因子挖掘里，目标可能是预测股票未来的涨跌情况。而无监督学习没有这个明确的目标，主要是发现数据里隐藏的模式和结构，像把相似的股票聚成不同的类别。

从数据标注来看，监督学习需要有标签的数据，即每个数据点都有对应的输出值。例如研究股票时，要知道每只股票过去一段时间内是涨了还是跌了。无监督学习则使用未标注的数据，不用提前给数据设定类别或数值。

在方法类型上，监督学习有回归和分类两种主要方法。回归用于预测连续值，如预测股票的具体涨幅；分类用于预测离散的类别，如判断股票是好是坏。无监督学习常见的方法是聚类和降维，聚类是把数据分成不同的组，降维是减少数据的特征数量。

最终应用上，监督学习得到的因子可直接用于预测和决策，如根据预测的股票涨跌来决定是否买卖。无监督学习得到的结果更多用于分析和理解数据，像了解不同类型股票的特征，为进一步的投资策略制定提供参考。