一、什么是隱變量？

廣義上的隱變量主要就是指“不能被直接觀察到，但是對系統(tǒng)的狀態(tài)和能觀察到的輸出存在影響的一種東西”。

舉個例子，一個人拿著n個袋子，里面有m種顏色不同的球。現(xiàn)在這個人隨機地抓球，規(guī)則如下：

1. 先隨機挑一個袋子

2. 從這個袋子中隨機挑一個球

如果你站在這個人旁邊，你目睹了整個過程：這個人選了哪個袋子、抓出來的球是什么顏色的。然后你把每次選擇的袋子和抓出來的球的顏色都記錄下來（樣本觀察值），那個人不停地抓，你不停地記。最終你就可以通過你的記錄，推測出每個袋子里每種球顏色的大致比例。并且你記錄的越多，推測的就越準（中心極限定理）。

然而，抓球的人覺得這樣很不爽，于是決定不告訴你他從哪個袋子里抓的球，只告訴你抓出來的球的顏色是什么。這時候，“選袋子”的過程由于你看不見，其實就相當于是一個隱變量。

二、隱變量是啥？

是不可觀測的隨機變量，我們通常通過可觀測變量的樣本對隱變量作出推斷。

舉個高斯混合模型的例子，GMM中隱變量指的是每個observation對應(yīng)的高斯component，由于產(chǎn)生過程是不可觀測的（或者說隱藏的），故得名隱變量。

我們可以通過收集樣本對隱變量的后驗概率進行推斷，然后用估計的后驗概率來對數(shù)據(jù)進行聚類。

三、MEM算法是指？

是指最大期望算法（Expectation-Maximization algorithm, EM），或Dempster-Laird-Rubin算法[1]，是一類通過迭代進行極大似然估計（Maximum Likelihood Estimation, MLE）的優(yōu)化算法[2]，通常作為牛頓迭代法（Newton-Raphson method）的替代用于對包含隱變量（latent variable）或缺失數(shù)據(jù)（incomplete-data）的概率模型進行參數(shù)估計。

四、em算法分菜時隱變量是啥？

EM算法是求含有隱變量的極大似然估計，可以用于包含隱變量的參數(shù)估計