极大似然估计，只是一种概率论在统计学的应用，它是参数估计的方法之一。
直接说，就是在给定样本的输出结果时，我们来估计参数。
它是建立在极大似然原理的基础上的一个统计方法，极大似然原理的直观想法是：一个随机试验如有若干个可能的结果A，B，C，…。若在仅仅作一次试验中，结果A出现，则一般认为试验条件对A出现有利，也即A出现的概率很大。一般地，事件A发生的概率与参数theta相关，A发生的概率记为P(A，theta)，则theta的估计应该使上述概率达到最大，这样的theta顾名思义称为极大似然估计。
求最大似然函数估计值的一般步骤：
（1） 写出似然函数
（2） 对似然函数取对数，并整理
（3） 求导数
（4） 解似然方程
用自己的话描述一下是这样子的：有一个事件，服从P（a,X)的分布。在概率中，我们会说事件X发生的概率为P(a,X)。
P（a,X)而现在事件X＝xi已经发生了，我们可以这么想，在参数a为某一值的情况下，事件为xi发生的概率最大（因为它发生了嘛），然后呢，我们就想怎么 求这个参数a,呢 方法就是极大似然估计。即，令P（a,X)为参数a的函数，来求使P（a,X)达到最大值的参数a..
原文链接: https://www.cnblogs.com/yinheyi/p/5724224.html
欢迎关注
微信关注下方公众号，第一时间获取干货硬货；公众号内回复【pdf】免费获取数百本计算机经典书籍;
也有高质量的技术群，里面有嵌入式、搜广推等BAT大佬
原创文章受到原创版权保护。转载请注明出处：https://www.ccppcoding.com/archives/395698
非原创文章文中已经注明原地址，如有侵权，联系删除
关注公众号【高性能架构探索】，第一时间获取最新文章
转载文章受原作者版权保护。转载请注明原作者出处！
