在进行无监督学习时，我们的最优模型可以为p(z|x)的条件概率分布密度，也可以是p（x|z）的条件概率分布密度，也就是说我们既可以由因变量去预测自变量，也可以由自变量预测因变量，例如一个系统我们既可以做一个系统去确认人的身份（因变量预测自变量），也可以做一个系统去创造绘画（自变量预测因变量）。
强化学习实质是一个在不停运作中寻找最优的过程，可以通过求解最优策略或者找出最优价值函数来学习。
在进行无监督学习时，我们的最优模型可以为p(z|x)的条件概率分布密度，也可以是p（x|z）的条件概率分布密度，也就是说我们既可以由因变量去预测自变量，也可以由自变量预测因变量，例如一个系统我们既可以做一个系统去确认人的身份（因变量预测自变量），也可以做一个系统去创造绘画（自变量预测因变量）。
强化学习实质是一个在不停运作中寻找最优的过程，可以通过求解最优策略或者找出最优价值函数来学习。
