我正在研究EM算法和GMM
实际上，我无法很好地了解Wiki中的EM算法
The EM algorithm is used to find the maximum likelihood parameters of a statistical model in cases where the equations cannot be solved directly. Typically these models involve latent variables in addition to unknown parameters and known data observations.
直到现在，我对这种背景下的潜在变量感到好奇。
That is, either there are missing values among the data, or the model can be formulated more simply by assuming the existence of additional unobserved data points.
和这句话，你会给出一个关于丢失或未观察到的数据的简单例子吗？
不幸的是，wiki中有一个例子，但我很难直接理解这个概念。
我对高斯混合模型中的隐藏数据感到好奇。
我认为均值和协方差和加权因子是未知参数。
那么高斯混合模型中的隐藏数据是什么？
或者我的想法是错的？