原文链接：知行流浪 https://blog.csdn.net/zengxiantao1994/article/details/72787849
以前多次接触过极大似然估计，但一直都不太明白到底什么原理，最近在看贝叶斯分类，对极大似然估计有了新的认识，总结如下：
贝叶斯决策
首先来看贝叶斯分类，我们都知道经典的贝叶斯公式：
P ( w ∣ x ) = p ( x ∣ w ) p ( w ) p ( x ) P(w|x) = \frac{p(x|w)p(w)}{p(x)} P(w∣x)=p(x)p(x∣w)p(w)
其中：p(w)：为先验概率，表示每种类别分布的概率；P(x|w)：类条件概率，表示在某种类别前提下，某事发生的概率；而P(W|x)为后验概率，表示某事发生了，并且它属于某一类别的概率，有了这个后验概率，我们就可以对样本进行分类。后验概率越大，说明某事物属于这个类别的可能性越大，我们越有理由把它归到这个类别下。
我们来看一个直观的例子：已知：在夏季，某公园男性穿凉鞋的概率为1/2，女性穿凉鞋的概率为2/3，并且该公园中男女比例通常为2:1，问题：若你在公园中随机遇到一个穿凉鞋的人，请问他的性别为男性或女性的概率分别为多少？
从问题看，就是上面讲的，某事发生了，它属于某一类别的概率是多少？即后验概率。
设： w 1 w_1 w1=男性， w 2 w_2 w2=女性， x x x=穿凉鞋
由已知可得： 先验概率： p ( w 1 ) = 2 3 p(w_1)=\frac{2}{3} p(w1)=32, p ( w 2 ) = 1 3 p(w_2)=\frac{1}{3} p(w2)=31
类条件概率： p ( x ∣ w 1 ) = 1 2 p(x|w_1)=\frac{1}{2} p(x∣w1)=21, p ( x ∣ w 1 ) = 2 3 p(x|w_1)=\frac{2}{3} p(x∣w1)=32
男性和女性穿凉鞋相互独立，所以
p ( x ) = p ( x ∣ w 1 ) p ( w 1 ) + p ( x ∣ w 2 ) p ( w 2 ) = 5 9 p(x) = p(x|w_1)p(w_1)+ p(x|w_2)p(w_2)=\frac{5}{9} p(x)=p(x∣w1)p(w1)+p(x∣w2)p(w2)=95
若只考虑分类问题，只需要比较后验概率的大小，取值并不重要。
由贝叶斯公式算出：
P ( w 1 ∣ x ) = p ( x ∣ w 1 ) p ( w 1 ) p ( x ) P(w_1|x) = \frac{p(x|w_1)p(w_1)}{p(x)} P(w1∣x)=p(x)p(x∣w1)p(w1)
P ( w 2 ∣ x ) = p ( x ∣ w 2 ) p ( w 2 ) p ( x ) P(w_2|x) = \frac{p(x|w_2)p(w_2)}{p(x)} P(w2∣x)=p(x)p(x∣w2)p(w2)
问题引出
但是在实际问题中并不都是这样幸运的，我们能获得的数据可能只有有限数目的样本数据，而先验概率 p ( w i ) p(w_i) p(wi)和类条件概率(各类的总体分布) p ( x ∣ w i ) p(x|w_i) p(x∣wi)都是未知的。根据仅有的样本数据进行分类时，一种可行的办法是我们需要先对先验概率和类条件概率进行估计，然后再套用贝叶斯分类器。
先验概率的估计较简单，1、每个样本所属的自然状态都是已知的（有监督学习）；2、依靠经验；3、用训练样本中各类出现的频率估计。
类条件概率的估计（非常难），原因包括：概率密度函数包含了一个随机变量的全部信息；样本数据可能不多；特征向量x的维度可能很大等等。总之要直接估计类条件概率的密度函数很难。解决的办法就是，把估计完全未知的概率密度 p ( x ∣ w i ) p(x|w_i) p(x∣wi)转化为估计参数。这里就将概率密度估计问题转化为参数估计问题，极大似然估计就是一种参数估计方法。当然了，概率密度函数的选取很重要，模型正确，在样本区域无穷时，我们会得到较准确的估计值，如果模型都错了，那估计半天的参数，肯定也没啥意义了。
重要前提
上面说到，参数估计问题只是实际问题求解过程中的一种简化方法（由于直接估计类条件概率密度函数很困难）。所以能够使用极大似然估计方法的样本必须需要满足一些前提假设
重要前提：训练样本的分布能代表样本的真实分布。每个样本集中的样本都是所谓独立同分布的随机变量 (iid条件)，且有充分的训练样本。
极大似然估计
极大似然估计的原理，用一张图片来说明，如下图所示：
总结起来，最大似然估计的目的就是：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。
原理：极大似然估计是建立在极大似然原理的基础上的一个统计方法，是概率论在统计学中的应用。极大似然估计提供了一种给定观察数据来评估模型参数的方法，即：“模型已定，参数未知”。通过若干次试验，观察其结果，利用试验结果得到某个参数值能够使样本出现的概率为最大，则称为极大似然估计。
由于样本集中的样本都是独立同分布，可以只考虑一类样本集D，来估计参数向量θ。记已知的样本集为：
D = { x 1 , x 2 , x 3 , . . . , x N } D=\{x_1, x_2, x_3, ...,x_N\} D={x1,x2,x3,...,xN}
似然函数（linkehood function）：联合概率密度函数 p ( D ∣ θ ) p(D|\theta) p(D∣θ)称为相对于 { x 1 , x 2 , x 3 , . . . , x N } \{x_1, x_2, x_3, ...,x_N\} {x1,x2,x3,...,xN}的θ的似然函数。
l ( θ ) = p ( D ∣ θ ) = p ( x 1 , x 2 , x 3 , . . . , x N ∣ θ ) = ∏ i = 1 N p ( x i ∣ θ ) l(\theta) = p(D|\theta) = p(x_1, x_2, x_3, ...,x_N|\theta) = \prod_{i=1}^Np(x_i|\theta) l(θ)=p(D∣θ)=p(x1,x2,x3,...,xN∣θ)=i=1∏Np(xi∣θ)
如果 θ ^ \hat{\theta} θ^是参数空间中能使似然函数 l ( θ ) l(\theta) l(θ)最大的θ值，则 θ ^ \hat{\theta} θ^应该是“最可能”的参数值，那么 θ ^ \hat{\theta} θ^就是 θ \theta θ的极大似然估计量。它是样本集的函数，记作：
θ ^ = d ( x 1 , x 2 , x 3 , . . . , x N ) = d ( D ) \hat{\theta}=d(x_1, x_2, x_3, ...,x_N)=d(D) θ^=d(x1,x2,x3,...,xN)=d(D)
θ ^ ( x 1 , x 2 , x 3 , . . . , x N ) \hat{\theta}(x_1, x_2, x_3, ...,x_N) θ^(x1,x2,x3,...,xN)叫做极大似然函数估计值
求解极大似然函数
极大似然估计：求使得出现该组样本的概率最大的θ值。
实际中为了便于分析，定义了对数似然函数：
1. 未知参数只有一个（θ为标量）
在似然函数满足连续、可微的正则条件下，极大似然估计量是下面微分方程的解：
2.未知参数有多个（θ为向量）
则θ可表示为具有S个分量的未知向量：
记梯度算子：
若似然函数满足连续可导的条件，则最大似然估计量就是如下方程的解。
方程的解只是一个估计值，只有在样本数趋于无限多的时候，它才会接近于真实值。
极大似然估计的例子
例1：设样本服从正态分布
它的对数：
求导，得方程组：
联合解得：
似然方程有唯一解
例2：设样本服从均匀分布[a, b]。则X的概率密度函数：
对样本
很显然，L(a,b)作为a和b的二元函数是不连续的，这时不能用导数来求解。而必须从极大似然估计的定义出发，求L(a,b)的最大值，为使L(a,b)达到最大，b-a应该尽可能地小，但b又不能小于
总结
求最大似然估计量
（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。
最大似然估计的特点：
1.比其他估计方法更加简单；
2.收敛性：无偏或者渐近无偏，当样本数目增加时，收敛性质会更好；
3.如果假设的类条件概率模型正确，则通常能获得较好的结果。但如果假设模型出现偏差，将导致非常差的估计结果。
正态分布ML估计的Matlab实例：点击打开链接
