一文通俗理解最大似然估计· 看不懂你打我，无公式

最大似然是什么？
意义直白点就是：已知一个结果已经发生了，推测最有可能导致结果发生的一个“原因”（参数）

举个别人博客的例子：
假如有一个罐子，里面有黑白两种颜色的球，数目多少不知，两种颜色的比例也不知。我 们想知道罐中白球和黑球的比例，但我们不能把罐中的球全部拿出来数。现在我们可以每次任意从已经摇匀的罐中拿一个球出来，记录球的颜色，然后把拿出来的球 再放回罐中。这个过程可以重复，我们可以用记录的球的颜色来估计罐中黑白球的比例。假如在前面的一百次重复记录中，有七十次是白球，请问罐中白球所占的比例最有可能是多少？很多人马上就有答案了：70%。而其后的理论支撑是什么呢？

假设抽到白球的概率为p
P(Data | M)

= P(x1,x2,…,x100|M)

= P(x1|M)P(x2|M)…P(x100|M)

　　　　　
那么p在取什么值的时候，P(Data |M)的值最大呢？将p^70(1-p)30对p求导，并其等于零。

解方程可以得到p=0.7。

意义：已知一个结果（有七十次都是白球），推测最有可能导致结果发生的一个“原因”（求出来发现是因为白球占比例70%）

最大似然科学么?
举个例子：
如果你想找某个工作，和你同等学历的10个人已经被刷掉8个人了，这时你该考虑你这个学历被刷的可能性有多大了，可能性有很多：可能百分之十到百分之九十都有可能，不会是0和百分之百（因为有成功和失败的）。你觉得最合适的可能性是多少呢？百分之十？你自己都不信把。 但是你非说有百分之十可能也没人能说你是错的，但是明明看起来选百分之八十是最优的，你为什么要选一个看起来不太优的呢？

怎么求最大似然函数估计值
求最大似然函数估计值的一般步骤：
（1） 写出似然函数
（2） 对似然函数取对数，并整理
（3） 求导数
（4） 解似然方程

机器学习线性回归误差的似然函数求解
假设u=0



参考链接：
http://fangs.in/post/thinkstats/likelihood/
https://blog.csdn.net/shengchaohua163/article/details/78471555