Question

最大似然估计通俗解释

Answer 1

最大似然估计的意思就是最大可能性估计，其内容为:如果两件事A，B相互独立，那么A和B同时发生的概率满足公式。极大似然估计，我们也把它叫做最大似然估计(Maximum Likelihood Estimation)，英文简称MLE。它是机器学习中常用的一种参数估计方法。

说的通俗一点：最大似然估计就是利用已知的样本结果，反推最有可能（最大概率）导致这样结果的参数值。最大似然估计是确定模型参数值的方法。找到参数值，使得它们最大化模型描述的过程产生实际观察到的数据的可能性。上面的定义可能听起来有点神秘。

极大似然估计方法（Maximum Likelihood Estimate，MLE）也称为最大概似估计或最大似然估计，是参数估计的一种很重要的方法。早在1821年，高斯就提出了这个思想，但是这个方法通常被认为是英国统计学家罗纳德·费雪（R.A.Fisher）的功劳。

原来，在1922年，费雪发表了一篇论文《关于理论统计的数学基础》，给出了“极大似然估计法”这一名称，并且详细探讨了这个方法的一些性质。

Answer 2

我认为最大似然估计和矩估计的区别在于，最大似然估计的思想是存在即合理，同样是抽若干样本，最大似然估计把抽这些样本的每一次抽取看成一个个独立的事件，然后将它们的概率密度乘起来视为一个整体事件A，然后反推“参数为什么值的时候，事件A最有可能发生”