在机器学习的领域内,极大似然估计是最常见的参数估计的方法之一,在这里整理一下它的基本原理。
极大似然估计从根本上遵循——眼见为实,这样的哲学思想。也就是说,它严格地仅仅利用了已知的实验结果,来估计概率模型中的参数。
极大似然估计的计算过程非常简单:
1.写出似然函数
2.求出使得似然函数取最大值的参数的值,这个值就是我们对概率模型中参数值的极大似然估计。
所以,要理解极大似然估计的原理,首先我们得理解什么是似然函数。
举个例子,我们连续掷2次硬币,正面记为H,反面记为T。当硬币质地均匀,出现正反面的概率都是0.5时,P(HH)=0.25。把前一句话全部用数学符号来表达,就是P(HH|H=0.5)=0.25。对于这个式子,我们可以这么理解:当硬币的正反面概率都是0.5时,抛硬币连续出现两次正面的概率是0.25。现在,我们改写一