机器学习（4）通过解析解方法建立模型

最大似然估计

通俗来讲：假设有一个人群拥有某一特征的数据集合，在统计学中我们通常会将其划分为两个不同的正态分布群体（例如体育爱好者和普通人群），其中属于那种较为瘦高且集中度较高的群体（如经常参与剧烈运动的人群）的概率密度函数表现为一种尖锐而集中的形态；而相对较为宽广且集中度较低的概率密度函数则表现出一种矮胖型的特点（如日常活动习惯的人群）。在进行最大似然估计时（即通过最大似然估计的方法），我们需要将观测数据代入模型中计算其所属的概率密度函数值，并根据计算结果我们可以初步判断他可能是属于哪一种群体中的成员。假设有一个人身高为1.9米，在这种情况下我们就可以合理推测他很可能属于那个又细又高的概率密度函数对应的群体（即经常参与体育运动导致身体指标偏高的人群）。

中心极限定理

在这里，我们的随机变量是误差的值

概率密度函数

![在这