Maximum-Likelihood

Definition / 定义

“最大似然（估计/方法）”：一种统计学与机器学习中的参数估计思想，通过选择使观测数据出现概率（似然）最大的参数值来拟合模型。常写作 **maximum likelihood (estimation)**，也可指“最大似然”原则本身。

Pronunciation / 发音

/ˌmæk.sə.məm ˈlaɪ.ki.lɪ.hʊd/

Examples / 例句

Maximum-likelihood estimation often works well with large datasets.
最大似然估计在大型数据集上通常效果很好。

Using a maximum-likelihood approach, the researcher fit a logistic regression model while accounting for missing data.
研究者采用最大似然方法拟合了逻辑回归模型，并同时处理了缺失数据的问题。

Etymology / 词源

该术语由 maximum（最大） + likelihood（似然） 组成：在统计推断中，“似然”表示“在给定参数下，观察到当前数据的支持程度（有多‘可能’）”。“最大似然”这一表达与相关方法在 20 世纪统计学发展（尤其与 R.A. Fisher 的工作）中被系统化并广泛传播。

Related Words / 相关词

• Likelihood
• Maximum Likelihood Estimation
• Estimator
• Parameter
• Log-Likelihood
• Inference
• Optimization
• Bayesian

Literary Works / 文学作品

• R. A. Fisher, On the Mathematical Foundations of Theoretical Statistics（1922）
• R. A. Fisher, Statistical Methods for Research Workers（1925）
• E. L. Lehmann & G. Casella, Theory of Point Estimation（经典统计教材）
• T. Hastie, R. Tibshirani & J. Friedman, The Elements of Statistical Learning（机器学习经典教材）
• C. M. Bishop, Pattern Recognition and Machine Learning（模式识别与机器学习经典教材）