一、什么是隐变量？
广义上的隐变量主要就是指“不能被直接观察到，但是对系统的状态和能观察到的输出存在影响的一种东西”。
举个例子，一个人拿着n个袋子，里面有m种颜色不同的球。现在这个人随机地抓球，规则如下：
1. 先随机挑一个袋子
2. 从这个袋子中随机挑一个球
如果你站在这个人旁边，你目睹了整个过程：这个人选了哪个袋子、抓出来的球是什么颜色的。然后你把每次选择的袋子和抓出来的球的颜色都记录下来（样本观察值），那个人不停地抓，你不停地记。最终你就可以通过你的记录，推测出每个袋子里每种球颜色的大致比例。并且你记录的越多，推测的就越准（中心极限定理）。
然而，抓球的人觉得这样很不爽，于是决定不告诉你他从哪个袋子里抓的球，只告诉你抓出来的球的颜色是什么。这时候，“选袋子”的过程由于你看不见，其实就相当于是一个隐变量。
二、隐变量是啥？
是不可观测的随机变量，我们通常通过可观测变量的样本对隐变量作出推断。
举个高斯混合模型的例子，GMM中隐变量指的是每个observation对应的高斯component，由于产生过程是不可观测的（或者说隐藏的），故得名隐变量。
我们可以通过收集样本对隐变量的后验概率进行推断，然后用估计的后验概率来对数据进行聚类。
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]，是一类通过迭代进行极大似然估计（Maximum Likelihood Estimation, MLE）的优化算法[2]，通常作为牛顿迭代法（Newton-Raphson method）的替代用于对包含隐变量（latent variable）或缺失数据（incomplete-data）的概率模型进行参数估计。
四、em算法分菜时隐变量是啥？
EM算法是求含有隐变量的极大似然估计，可以用于包含隐变量的参数估计