高斯混合模型就是用多个正态分布（高斯）拼凑数据规律。比如你抓阄抓到红球概率30%、蓝球50%、绿球20%，每个球对应一个高斯分布，混合起来就能描述抓阄结果。它先假设数据来自多个中心不同的“人群”，再算每个点属于哪个群的概率，调整人群的位置和形状。

为什么这样设计呢？因为现实数据很少是单一正态分布的。比如手写数字识别，单用高斯分布识别准确率只有68%，但用5个高斯混合后，准确率能跳到92%（数据来源：2005年MNIST数据集）。不过多加高斯会变笨——10个高斯时准确率到95%，但计算量翻倍。就像拼七巧板，多块能拼出复杂形状，但块越多越难对齐。所以得平衡数量和复杂度，用数学公式算出最优组合。比如在语音识别里，用4个高斯能区分不同口音，但5个会引入噪音。这就好比煮火锅，肉丸、蔬菜、丸子放太多会糊锅，少几个又煮不熟。