极大似然估计

其实是个很简单的东西。原理：极大似然估计提供了一种给定观察数据来评估模型参数的方法，即：“模型已定，参数未知”。通过若干次试验，观察其结果，利用试验结果得到某个参数值能够使样本出现的概率为最大，则称为极大似然估计。

假定样本集中的样本都是独立同分布（一定是独立同分布：相互不影响且概率密度分布相同），如考虑一类样本集D，来估计参数向量θ。记已知的样本集为：

        D = {x1, x2, ... , xn} 

有似然函数P(D|θ)去估计参数θ*，使得似然函数L(θ)值最大：

(当然模型首先得选的对。当这个似然函数值最大的时候，θ也就是可能性最大的值，取其值带入原模型，这样就估计了θ)