伽马分布极大似然估计_一文通俗解释极大似然估计

我们都知道机器学习的大致流程是通过建立一个合理的模型学习现有数据集，然后通过该模型去完成特定的任务。其中每个模型都包含自身的一组特定参数，而这组参数决定着模型的本身。但这里存在一个很关键的一个问题，就是我们如何去找到一组参数使得模型能够最好的去拟合现有数据集呢？ 针对上述问题， 极大似然估计为我们提供了一种很好的解决思路，本文将给大家解释极大似然估计的原理和分析步骤。0 1背景概念介绍

02极大似然估计原理解释

给定一个数据集(某个概率分布下的一系列采样点，所有的采样都是独立同分布的)，我们能求得一个关于模型参数 的估计，而极大似然估计可以通过观察当前数据来估计模型的最佳参数，换句话也就是说在所有的模型参数 取值中，寻找到一个参数使得该数据集样本发生的可能性最大。

现实生活中也经常用到极大似然估计，在这里跟大家分享一下小编的一段亲身经历：

在天气晴朗的某一天，身为大好青年的小编早早的去了图书馆学习。就在小编认真看书的同时，发现一位同班女同学老是偷偷盯着小编看，小编这下坐不住了，仔细回想了最近发生的一系列事件：她老偷偷在我微信下面评论；她老是偷看我空间；她上次请我喝奶茶；她经常约我跑步；她说想请我看复联，我心想: 她会不会喜欢我，喜欢我的概率大不大呢？小编经过分析得出来的结