最大概似估計

最大概似估計（maximum likelihood estimation, MLE）挑選的是讓你實際觀察到的資料變得最有可能的參數值。你寫下一個帶著未知旋鈕的模型，然後轉動旋鈕，直到模型說「對，像這樣的資料正是我會預期的」。

它是現代統計與機器學習許多部分背後的主力——例如擬合一個邏輯迴歸，骨子裡就是最大概似。兩個提醒：答案的好壞只取決於你假設的模型（模型錯了，估計就會很有信心地錯），而且在資料很少時它會過度配適，這也是為什麼要加上貝氏先驗的一個動機。