Modele mieszanin gaussowskich (ang. Gaussian mixture models, GMM) – klasa modeli probabilistycznych, w których rozkład obserwowanych danych przedstawia się jako mieszaninę skończonej liczby wielowymiarowych rozkładów normalnych. Modele te są używane między innymi do analizy skupień, estymacji gęstości, klasyfikacji probabilistycznej, wykrywania obserwacji odstających oraz modelowania populacji złożonych z nieobserwowanych podgrup.
Model mieszanin gaussowskich można traktować jako probabilistyczne uogólnienie metody k-średnich. W przeciwieństwie do k-średnich model GMM nie przypisuje obserwacji do skupień wyłącznie deterministycznie, lecz wyznacza prawdopodobieństwa przynależności do poszczególnych składowych. Pozwala także modelować skupienia o różnych rozmiarach, kształtach i orientacjach przez dobór macierzy kowariancji.
Definicja Niech będzie obserwacją -wymiarową. Model mieszanin gaussowskich z składowymi ma gęstość postaci
gdzie: jest liczbą składowych mieszaniny; są wagami mieszaniny, spełniającymi oraz ; jest wektorem średnich -tej składowej; jest dodatnio określoną macierzą kowariancji -tej składowej; oznacza gęstość wielowymiarowego rozkładu normalnego.
Parametrami modelu są więc