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)