1樓：查查
所有點的概率為0，但是不同點的相對概率不同（0/0型無窮小），概率密度高的點，對應的相對概率更高，所以最大化概率密度是使得相對概率最大。
2樓：澤城太太鐵桿粉
以下為個人粗淺理解，不對輕噴。
在連續分布情形，單點的概率為零，這點沒有錯。問題是為什麼單點的概率為0？我們知道在連續分布的支撐集上取一點，記為x吧，x點的概率密度f(x)是大於0的，記連續分布的累積分布函式為F。
從極限的觀點來看，x點的概率是f(x)與乙個正無窮小 的乘積取極限，所以為0.
回頭看似然函式，如果用樣本點的概率來寫的話，可以表示為極限形式。而argmax與limit在概率乘積表示式對 連續時是可以交換次序的，故，最大化密度函式得到的最優解與最大化概率是一樣的。
3樓：Defu Li
理論上講應該是要優化所有樣本的聯合分布概率，讓概率最大化，然後求導，找到極值點，就可以求出引數了。
現在優化的是聯合分布的概率密度，少了乙個求和的過程，應該本質上是進行了簡化，最終的效果一樣。
邏輯回歸損失函式為什麼使用最大似然估計而不用最小二乘法？
遊衍莫忘 說點自己的理解，邏輯回歸中的最小二乘為什麼不一定是convex 假如有乙個資料集如圖所示，紅色代表1，藍色代表0，我們大概可以知道最優的解是 假如我們的損失函式是最小二乘，也就是 初始值是，上面被判定為1，下面被判定為0。我們從開始找損失函式最小，很容易找到 此時我們面臨乙個艱難的選擇，要...
最大似然估計和EM演算法的關係是什麼？
Paion 期望最大化期望最大化 Expectation maximuzation 演算法在統計中被用於尋找，依賴於不可觀察的隱性變數的概率模型中，引數的最大似然估計。EM是乙個在已知最大期望演算法 Expectation Maximization Algorithm，又譯期望最大化演算法 是一種迭...
在交易中你是如何實現利潤最大化的？
於小魚 什麼是最？最是事後的。人類思維為什麼老是追求極限，完美。換個角度，人人都最，那個點能是最嗎？題主想織成一張網，又能釣蝦，又能打魚，還能捉水怪。說不定還能變出航母。 yy tt 理想化？首先那張圖基於你自己半年入行，甚至對大部分人來說是找不出2點4點來出倉的。所以這個問題是偽命題。臨池羨魚不如...