极大似然估计_「AI科技」机器学习算法系列-极大似然估计方法

大学毕业后，一直对极大似然估计懵懵懂懂，终于借助这次对机器学习算法梳理搞清楚了，今天给大家做个分享。

极大似然估计方法(Maximum Likelihood Estimate，MLE)，是求估计的另一种方法，最大概似是1821年首先由德国数学家高斯(C. F. Gauss)提出，但是这个方法通常被归功于英国的统计学家罗纳德·费希尔(R. A. Fisher)。

极大似然估计引例

• 1、一位老猎人和一个学徒出去打猎，途中遇见一只野兔，只听见一声枪响，野兔应声倒地。请问是谁打中了野兔？
• 2、黑屋里有两个箱子，一个箱子有90个白球，10个黑球，另一个箱子有90个黑球，10个白球，从两个箱子中抽出一个白球。请问是从哪个箱子抽出来的？

从经验来判断：一枪打中野兔的大概率是老猎人；抽出的白球大概率来着第一个箱子。概率最大的事情就应该是最可能发生的，这就是极大似然估思想。

极大似然估计步骤

求极大似然函数估计值的一般步骤如下：

1) 写出似然函数；

2) 对似然函数取对数，并整理；

• 因为L 与 lnL 具有相同的极大值点，而lnL求导更加便利，因此对L取对数。

3) 求导数 ，获取似然方程，求解；