极大似然估计

极大似然估计之前没有真正的搞清楚，在听了Datawhale的机器学习课程之后，对它有一些清楚的明了 ，下面简单的对其进行介绍，由于不会使用一些公式插入，可能直接使用了图片，但是最终的目的还是为了读明白：

极大似然估计（估计分布的参数）

这个方法的用途是 估计概率分布的参数值 也是得到一个函数 -> 参数
在上面 离散型的随机变量X，是概率质量函数P， 连续型的是概率密度函数p（由概率论定义）
在建模之前，我们可能会给定数据分布的一种形态，例如是正态分布或者其他
例如： 正态分布
其中的θ就是μ和σ要估计的参数，
例如 伯努利分布，概率p和1-p，要估计的参数就是p

所以 极大似然估计 就是一种得到 分布参数的方法

x1,x2.x3是分布X的n个独立同分布，意思是每个变量之间是独立的但是满足相同分布（概率函数相同），所以他们的联合概率就是 上面的 乘积函数

例题

Trick技巧，在外面加ln函数，利用其性质，将连乘转为求和项

ln也是递增函数， 它与原函数有相同的趋势，可以捕捉到相同的最大值

以后添加具体原因