在统计推断中，极大似然估计和贝叶斯估计是点估计的常用方法，二者在机器学习中的应用也十分广泛，该PPT对两种估计方法做了一个详解。

自己总结的对极大似然参数估计的理解。

主要介绍了python简单实现最大似然估计&scipy库的使用详解，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧

最大后验（Maximum A Posteriori，MAP）概率估计 注：阅读本文需要贝叶斯定理与最大似然估计的部分基础   最大后验（Maximum A Posteriori，MAP）估计可以利用经验数据获得对未观测量的点态估计。它与Fisher的最（极）大似然估计（Maximum Likelihood，ML）方法相近，不同的是它扩充了优化的目标函数，其中融合了预估计量的先验分布信息，所以最大后验估计可以看作是正则化（regularized）的最大似然估计。   想要了解最大后验（MAP）概率