通俗易懂详解机器学习中的最大似然估计

讲解前看个例子：

例子（一个场景）：

1、一个盒子里有很多小球，颜色有白色（用w表示）和黑色（用b表示）。

条件：（1） 盒子里面小球很多，n个。 （2） 只有2中颜色的小球

2、 从盒子里取出来10个球，其中 w：8个，b：2个

注意：前提条件，盒子里的球有n个，很多，只取10个，放不放回都不影响。

例子结束，以下是说明

1、根据以上情况，我们用幼儿园常识去判断，盒子里 w和b的比例 “可能” 是，8：2 （幼儿园没毕业的可以杠）  -- 这个只是我们的直观感受，看到这个例子后的条件反射。

2、接下来，我们用 “概率” 的语言描述上述情况。

（1）设 “一次” 取出w的概率是p，“一次” 取出b的概率是q -- 为什么要设这个？ 自己看看例子，想想看完例子后自己想知道啥。

（2）取出8个w，2个b的概率是*     --  这个可以用抛硬币来理解，抛2次硬币都出现正面的概率是 ， 因为我们知道抛硬币概率是。（  注：能让硬币立