高斯混合模型（Gaussian Mixture Model，GMM）是一种基于概率密度函数的聚类方法，它假设所有数据点都是从有限数量的高斯分布的混合参数中生成的。

具体来说，高斯混合模型是一种概率模型，它使用高斯分布作为参数模型，并使用期望最大（Expectation Maximization，简称EM）算法进行训练。在模型训练过程中，我们将数据点分配到概率最大的聚类中，而不是像K-Means那样将数据点硬性分配到某个聚类中。

高斯混合模型在许多应用中都表现出色，尤其是当数据点不是明显分离的时候。