最大似然估计（Maximum Likelihood Estimation，MLE）就是：假设数据来自某个模型，然后找一组参数，让“观测到当前这些数据”这件事最有可能发生。 
直观解释一下：你现在看到一个结果，投掷了10 次硬币，其中有7次是正面，有3次是反面。 
但你不知道这枚硬币到底是不是公平的（如果硬币是公平的，那正面、反面概率都应该是0.5） 
你现在有三个猜测 
猜测 A：正面概率 p = 0.5 
猜测 B：正面概率 p = 0.7 
猜测 C：正面概率 p = 0.9 
最大似然估计要做的事就是： 
看看哪种猜测，最容易产生7正3反这个结果。 
如果p=0.5，出现7正3反也可以，但没那么符合。 
如果p=0.9，它太偏正面了，出现7正3反反而也不算最自然。 
如果p=0.7，那10次里面大约7次正面，刚好最符合你看到的数据。 
所以最大似然估计会说： 我估计 p = 0.7。 ...