极大似然估计（MLE）是建立在极大似然原理的基础上的一个统计方法，是概率论在统计学中的应用。极大似然估计提供了一种给定观察数据来评估模型参数的方法，即：“模型已定，参数未知”。通过若干次试验，观察其结果，利用试验结果得到某个参数值能够使样本出现的概率为最大，则称为极大似然估计。
总结起来，极大似然估计的目的就是：利用已知的样本结果，反推最有可能（最大概率）导致这样结果的参数值。
举例说明极大似然估计的原理】
答案：
很多中学会把学生分入不同的班型，成绩拔尖的分入重点班，其余的分入普通班。高考时，该学校出了个全国状元，那么大家的第一印象是这个孩子很大可能是来自重点班的，因为重点班最容易出高分学生，这就是典型的最大似然估计。
这个问题属于反向推理问题，即在已知结果的情况下，推理造成结果的背景。用数学语言来说，就是求先验概率的问题。这种思维在大多数时候都会影响人们的决策。比如我们生病时要去最好的医院，找最好的医生给自己看病；我们要把孩子送入最好的学校中最好的班级。
