搜尋意圖： 如果你在找「最大似然估計 是什麼」或「最大似然估計 和相近概念差在哪」，先看這頁的短定義、完整說明與延伸比較。
TL;DR： 最大似然估計 (MLE) 是一種統計方法，用於估計機率分佈的參數，它通過最大化觀察到樣本數據的似然函數來實現。
實用情境： 適合用在閱讀 AI 文章、產品文件或和同事討論時，先用一頁快速對齊概念。
下一步： 先讀完定義，再往下看延伸比較與對應工具，把概念轉成實際應用。
你有沒有遇過一堆資料擺在面前，卻不知道哪個參數最合理？
你可以把最大似然估計想成，反過來問「如果這個參數是真的，現在看到的資料有多像真的會長這樣」。 它重要在於，很多統計模型、分類器和生成模型，最後都會變成在找讓資料最合理的參數。
你可以把它想成一個把抽象概念拉回日常判斷的提示，先知道它解決什麼問題，再看技術細節。
容易混淆
最大似然估計 vs 貝氏估計
最大似然估計：只看目前資料，找讓資料最可能出現的參數。 貝氏估計：把資料和先驗知識一起考慮，算出後驗分佈。 最關鍵的區別：前者不放先驗，後者會放先驗。
最大似然估計 vs 最小二乘法
最大似然估計：最大化資料出現的機率。 最小二乘法：最小化預測值和真實值的平方誤差。 最關鍵的區別：前者是機率觀點，後者是誤差觀點。
記住這句就好
找出讓「目前這批資料最像真的」那組參數。
實際案例
硬幣偏硬還是偏軟
你丟了 20 次硬幣，正面出現 15 次，最大似然估計會找出一個最能解釋這組結果的正面機率，而不是先預設它一定公平。
垃圾郵件分類
模型觀察哪些單字常出現在垃圾信裡，調整參數讓這些特徵組合下的資料機率最高，最後得到分類規則。
算法與應用
做法通常是先寫出似然函數，再把它轉成比較好算的對數似然。 最佳解不一定有漂亮封閉解，所以常搭配梯度下降或數值最佳化。 它很常和機率分佈、損失函數、模型訓練綁在一起。
最大概似估計在做什麼
最大概似估計（Maximum Likelihood Estimation, MLE）問的是：什麼樣的參數，最有可能產生我手上這批資料？
概似函數就是「在參數 θ 之下，觀察到這批資料的機率」：
L(θ) = P(資料 | θ)MLE 就是找出讓 L(θ) 最大的那個 θ。
實作上通常改成最大化對數概似（log-likelihood），因為連乘變成連加、數值也穩定得多，而且取對數不改變最大值的位置。
實際算一次：丟一枚硬幣 10 次，出現 7 次正面，正面機率 p 是多少？
| 步驟 | 內容 |
|---|---|
| 概似函數 | L(p) = p⁷ × (1−p)³ |
| 取對數 | ln L = 7 ln p + 3 ln(1−p) |
| 對 p 微分設為 0 | 7/p − 3/(1−p) = 0 |
| 解出 | p = 0.7 |
答案就是 7/10，跟直覺一致。MLE 的價值在於它把「直覺上的答案」變成一套能套用到任何模型的通用推導方法。
MLE 跟 MAP、跟損失函數的關係
MLE 與最大後驗估計（MAP）的差別在有沒有先驗。 MAP 最大化的是 P(θ|資料)，等於概似乘上先驗 P(θ)。資料很多時兩者會趨於一致，資料很少時先驗的影響很大。加上常見的高斯先驗之後，MAP 在數學上就等價於加了 L2 正則化的 MLE，這是「正則化就是加先驗」這句話的來源。
機器學習裡很多損失函數其實就是負對數概似。
假設誤差服從常態分布，最大化概似等價於最小化均方誤差（MSE）。
假設是伯努利分布或多項分布，最大化概似等價於最小化交叉熵。
這解釋了為什麼回歸預設用 MSE、分類預設用交叉熵，那不是憑感覺挑的，而是各自對應一個機率假設下的 MLE。
MLE 的兩個限制。 樣本少時容易過擬合，因為它會完全相信手上的資料。而且它給的是一個點估計，不提供不確定性，需要區間或分布時要走貝氏方法。
情境判斷
Q1（情境題）： 你只有少量資料，還能用最大似然估計嗎？
→ 可以，但要小心不穩定。資料少時估計會比較抖，這時常會搭配正則化、貝氏方法或更多先驗資訊。
Q2（情境題）： 如果模型很複雜，最大似然估計一定會找到唯一答案嗎？
→ 不一定。資料不足或模型太彈性時，可能出現多個局部最佳解，甚至估計不穩定。
常見問題
最大似然估計一定要假設資料分佈嗎？
要。你得先指定一個機率模型，例如常態分佈、伯努利分佈或多項式分佈，才談得上似然。
它和最大後驗估計有什麼不同？
最大後驗估計會把先驗加進來，最大似然估計只看觀測資料。兩者在沒有先驗或先驗很弱時，結果可能很接近。
為什麼常改寫成對數似然？
因為乘積太難算也容易下溢，改成對數後會把乘法變加法，計算更穩定。