हर महत्वपूर्ण चीज़ को मापा नहीं जा सकता। अप्रत्यक्ष चर वह होता है जिसका अनुमान प्रेक्षित आंकड़ों से लगाया जाता है और जो परिणामों को प्रभावित करता है, लेकिन प्रत्यक्ष रूप से दिखाई नहीं देता। बुद्धिमत्ता, प्रेरणा और रोग की गंभीरता, ये सभी इसी श्रेणी में आते हैं।

मॉडल प्रेक्षित डेटा में पैटर्न की व्याख्या करने के लिए अव्यक्त चर का उपयोग करते हैं। कारक विश्लेषण सहसंबंधित मापों को अंतर्निहित कारकों में समूहित करता है। भिन्नतात्मक ऑटोएनकोडर एक अव्यक्त स्थान सीखते हैं जो छवियों या पाठ की संरचना को दर्शाता है। विषय मॉडल दस्तावेजों से विषयों का अनुमान लगाते हैं।

सामान्य अव्यक्त चर उपयोग

• आयामी कमी
• जनरेटिव मॉडलिंग
• पाठ में विषय की खोज
• मनोमितीय माप
• अज्ञात कारकों के साथ कारण संबंधी निष्कर्ष

व्याख्या करना जटिल है। एक अव्यक्त चर एक गणितीय संरचना है, सिद्ध इकाई नहीं। दो मॉडल अलग-अलग अव्यक्त संरचनाएँ पा सकते हैं जो समान डेटा की समान रूप से व्याख्या करती हैं। अव्यक्त आयामों को अर्थ देना सावधानी से करना चाहिए।