ด้วยค่าใช้จ่ายในการลดความซับซ้อนมากเกินไปคุณสมบัติแฝงคือคุณสมบัติ 'ซ่อน' เพื่อแยกความแตกต่างจากคุณสมบัติที่สังเกต คุณสมบัติแฝงถูกคำนวณจากคุณสมบัติที่สังเกตได้โดยใช้การแยกตัวประกอบแบบเมทริกซ์ ตัวอย่างเช่นการวิเคราะห์เอกสารข้อความ 'word' ที่ดึงมาจากเอกสารเป็นคุณสมบัติ หากคุณแยกตัวประกอบข้อมูลของคำคุณสามารถค้นหา 'หัวข้อ' โดยที่ 'หัวข้อ' คือกลุ่มคำที่มีความเกี่ยวข้องทางความหมาย การแยกตัวประกอบเมทริกซ์ระดับต่ำจะแมปหลายแถว (คุณลักษณะที่สังเกตได้) กับชุดของแถวที่เล็กกว่า ในการทำอย่างละเอียดเอกสารสามารถสังเกตคุณสมบัติ (คำ) เช่น [เรือใบเรือใบเรือยอชท์เรือกลไฟเรือลาดตระเวน] ซึ่งจะ 'แยกตัวประกอบ' ให้เป็นคุณลักษณะแฝง (หัวข้อ) เช่น 'เรือ' และ 'เรือ'
[เรือใบเรือใบเรือยอชท์เรือกลไฟเรือลาดตระเวน ... ] -> [เรือเรือ]
แนวคิดพื้นฐานคือคุณลักษณะที่แฝงอยู่นั้นเกี่ยวข้องกับการรวมของ 'คุณสมบัติ' ที่สังเกตได้ในเชิงความหมาย เมื่อคุณมีคุณสมบัติสังเกตขนาดใหญ่ขนาดสูงและมีเสียงดังมันทำให้รู้สึกถึงการสร้างตัวจําแนกของคุณเกี่ยวกับคุณสมบัติที่แฝงอยู่
แน่นอนว่านี่เป็นคำอธิบายที่เข้าใจง่ายเพื่ออธิบายแนวคิด คุณสามารถอ่านรายละเอียดเกี่ยวกับการจัดสรร Latent Dirichlet (LDA) หรือแบบจำลองการวิเคราะห์ความหมายแฝงแฝง (pLSA) สำหรับคำอธิบายที่ถูกต้อง