在Bayes 模型中，在现实应用中往往会遇到“不完整”的训练样本，例如西瓜根蒂以脱落，则无法判断根蒂样本变量值。在这种存在为观测变量的情形下，能否还能对模型的参数进行估计呢？
未观测变量称之为「隐变量」用 表示隐变量集， 表示已观测变量集， 表示模型参数。若对 做极大似然估计，则对应最大化对数似然
由于 是隐变量，上式无法直接求解。可以通过对 计算期望，来最大化已观测数据的对数「边际似然」（Marginal Likelihood）