從前有個3年級的小朋友，由於考試拿了第二名，於是獲取了一筆鉅款300元。一開始他特別興奮，但是 緊接著他就陷入了選擇困惑。
第一是把這筆錢去買他喜歡的動感奧特曼模型。
第二是把這筆錢上交給老媽，去買個新的課程。
第三是把錢存起來，明年繼續爭取獎金，然後湊夠400塊去買他最喜歡的動感巨型奧特曼模型。
該怎麼選呢？內心深深地困惑。
讓我們來建模，讓這個小朋友的幸福期待最大化吧。得到動感奧特曼模型的幸福感為x0.^(t0); 我們再調研下這個課程的潛在幸福感也建模為 x1.^(t1)+x2^(t2); 得到巨型動感奧特曼模型的幸福感為 x3^(t3)等。
但是這麼多未知變數，該怎麼辦呢？ 那就是調研了。按媽媽對小朋友的了解，他對這個玩具的期許程度，新鮮程度。用以往資料作為參考。 而課程也絕壁不是越多越好的，課程時間，課程老師的水準，小朋友的興趣程度，考試相關等。 這些也是用以往資料做參考。 小朋友明年獲取獎金的機會有多大，明年他會不會就不想要這個奧特曼了？ 畢竟童年樂趣一去不復返呀。 看到了麼？ 當我們對乙個新的情景出現的時候，我們的腦海裡會對情景建模，而模型的資料來自過去的資料， 然後 將當前情景的資料代入， 然後 做出新的決定。而這次決定的結果又會重新更新我們的模型，下一次我們很可能又由於我們這次決定的結果而做出不同的結果。因為引數因為本次輸入而修改了。
最大似然法，迭代更新，在我們的生活中一直在進行。而它的更新目標來自我們內心當時的渴望。演算法不枯燥，它是 數位化地表達一些我們腦袋裡的想法而已
最大似然度或者最大似然估計
本部落格轉於 在brm的數學推導中提到了，最大似然估計！最大似然估計 maximum likelihood，ml 最大似然估計是一種統計方法，它用來求乙個樣本集的相關概率密度函式的引數。這個方法最早是遺傳學家以及統計學家羅納德 費雪爵士在1912年至1922年間開始使用的。似然 是對likeliho...
似然函式與最大似然估計
概率用於在已知一些引數的情況下，接下來的觀測所得到的結果，而似然性則是用於在已知某些觀測所得到的結果時，對有關事物性質的引數進行估計。是一種關於統計模型中引數的函式。例如，已知有事件a發生，運用似然函式，我們估計引數b的可能性。表明在已知觀測結果情況下，似然函式的值越高，該引數值可使模型越合理。最大...
最大似然估計 極大似然估計
目錄最大似然估計 個人部落格 對於最大似然估計我們使用最簡單的拋硬幣問題來進行講解當我們拋一枚硬幣的時候,就可以去猜測拋硬幣的各種情況的可能性,這個可能性就稱為概率一枚質地均勻的硬幣,在不考慮其他情況下是符合二項分布的,即正面和翻面的概率都是0.5,那麼我們拋10次硬幣5次正面在上面的概率為 但是現...