一文读懂似然、概率、极大似然法

一、似然与概率

在统计学中，概率和似然是不同的概念。

概率是在特定环境下预测某件事情发生的可能性，也就是结果没有产生之前，依据环境所对应的参数来预测某件事情发生的可能性，比如创业成功率10%，失败率90%（这是自定义的哈），在创业前我们并不知道会成功还是失败，只能说成功的可能性有10%。

似然是在已经确定的结果下推测产生这个结果的可能环境参数。比如现在创业了1000次，结果成功90次，失败910次，我们可依据这个结果来判断创业失败率91%，成功率9%，这个过程就是根据结果去判断环境参数。

二、极大似然法

极大似然法（ maximum likelihood estimation，MLE ）是概率统计中估算模型参数的一种很经典和重要的方法，贯穿了机器学习中生成模型（Generative model）这一大分支的始终。简单来说极大似然法就是在估算概率模型参数。

比如现在有一个参数未知的概率模型和该概率模型产生的一些点，那极大似然法就是在根据这些点去求解该概率模型的参数。

假设概率模型参数未知，定义为，该模型产生点的概率为，目前已经产生了个点，则产生这些点的概率为：

极大似然法就是在求解最大。