人工智能100问 - 3极大似然法是什么？与最小二乘的区别？

我们用机器学习做模型，需要确定模型的各个参数。模型实际的参数我们是无从得知的，我们只能尽最大可能对这些参数进行估计，极大似然法就是使用最广泛的估计方法之一。

一、什么是极大似然？

极大似然估计从字面上来理解可以拆成三个词，分别是“极大”、“似然”、“估计”，分别的意思如下：
极大:最大的概率
似然：看起来是这个样子的
估计：就是这个样子的
连起来就是，最大的概率看起来是这个样子的那就是这个样子的。怎么样，是不是很朴素？

极大似然法（the Principle of Maximum Likelihood）是由高斯和费希尔先后提出的，这个方法的基础是极大似然原理。
极大似然法的原理是：样本所展现的状态就是所有可能状态中出现概率最大的那个状态。

二、举个栗子

三、怎么计算？

极大似然的计算简单来说可以分为3步：
（1）写出似然函数；
（2）求导数；
（3）导数为0，解方程。

以从箱子里取出小球为例子：箱子里有一定数量的小球，每次随机拿一个球，查看颜色后放回，已知拿到白