Latent Variable – zmienna ukryta, niewidoczna bezpośrednio w danych.

Zmienna ukryta to pojęcie odnoszące się do elementu modelu statystycznego lub systemu, który nie jest bezpośrednio obserwowalny ani mierzony w dostępnych danych, lecz ma wpływ na ich strukturę i rozkłady. W modelowaniu danych, zmienne ukryte pełnią rolę czynników tłumaczących złożone zależności między zmiennymi widocznymi, co pozwala na lepsze zrozumienie i opis mechanizmów generujących obserwacje. Mogą one reprezentować np. cechy, stany bądź procesy niewidoczne wprost w zbiorze danych, ale istotne dla interpretacji modelu.

W dziedzinie sztucznej inteligencji oraz uczenia maszynowego zmienne ukryte wykorzystywane są między innymi w modelach probabilistycznych, takich jak modele mieszaninowe, modele generatywne czy ukryte modele Markowa. Pozwalają one na wydobycie struktury danych, redukcję wymiarowości lub tworzenie reprezentacji semantycznych, które nie są bezpośrednio dostępne z surowych obserwacji. Estymacja wartości zmiennych ukrytych zwykle odbywa się za pomocą technik takich jak algorytm EM (oczekiwanie-maksymalizacja), metody bayesowskie lub podejścia optymalizacyjne.

W praktyce zmienne ukryte mają kluczowe znaczenie w analizie danych, rozpoznawaniu wzorców, eksploracji danych oraz w rozwoju systemów uczących się, umożliwiając bardziej efektywne modelowanie i interpretację złożonych procesów. Ich identyfikacja i interpretacja pomagają również w budowie modeli o lepszej zdolności generalizacji i przewidywania.