最大似然法（Maximum Likelihood，ML）是一種統計學方法，用於估計機率模型的參數。其基本思想是，對於給定的數據集，找到使得這些數據出現的機率最大的參數值。具體來說，假設有一個機率模型，其中包含一些參數θ。目的是估計這些參數的值。為了做到這一點，需要有一些數據，且這些數據是由這個機率模型生成的。對於給定的數據集D，目標是找到θ的值，使得數據出現的機率最大，即P(D|θ)最大。最大似然法假設已知機率模型的形式，但不知道具體的參數值。其目的是用數據來估計這些參數的值。可以通過下面的公式來表示最大似然法：θ̂=argmaxθP(D|θ)，其中θ̂表示估計出的θ的值，argmax表示取最大值的參數。
最大似然估計的基本步驟如下：
構建一個參數化的機率模型。
計算出給定模型下觀測數據的機率函式。
通過最大化該函式來確定模型的參數值。
最大似然法廣泛套用於各種領域，包括機器學習、信號處理、生物信息學等。