机器学习数学基础-最大似然估计与贝叶斯法则

以下文章摘录自

《机器学习观止——核心原理与实践》

京东： https://item.jd.com/13166960.html

当当：http://product.dangdang.com/29218274.html

1.最大似然估计 (MLE)

最大似然估计(maximum likelihood estimation)，又被译为极大似然估计或者最大概似估计等，是由德国数学家Gauss于1821年提出，并由英国统计学家和生物进化学家R.A. Fisher发展壮大的一种求估计的手段。

假设似然函数定义如下：

其中fD代表的是事件的概率分布的密度函数，表示分布参数。如果我们可以找到一个使得似然函数的取值达到最大，那么它就被称为