最大似然估計(jì)和后驗(yàn)估計(jì)是統(tǒng)計(jì)學(xué)中兩個(gè)重要的概念。

最大似然估計(jì)是指在給定一定的數(shù)據(jù)和概率模型的條件下，通過尋找最大化似然函數(shù)的參數(shù)來估計(jì)未知的參數(shù)值。似然函數(shù)是指在已知參數(shù)的條件下，數(shù)據(jù)的概率分布函數(shù)。最大似然估計(jì)通常被用來尋找最優(yōu)的模型參數(shù)，以使得該模型對于給定數(shù)據(jù)集的擬合更加準(zhǔn)確。

后驗(yàn)估計(jì)則是指在給定一定的數(shù)據(jù)和概率模型的條件下，通過貝葉斯公式來計(jì)算未知參數(shù)的后驗(yàn)分布。在貝葉斯公式中，后驗(yàn)分布是指已知數(shù)據(jù)的條件下，參數(shù)的概率分布函數(shù)。后驗(yàn)估計(jì)可以幫助我們更好地理解數(shù)據(jù)，并通過考慮先驗(yàn)分布和最新的觀測數(shù)據(jù)來更新我們對這些參數(shù)的信念。

在統(tǒng)計(jì)學(xué)中，最大似然估計(jì)和后驗(yàn)估計(jì)都是用于推斷未知參數(shù)的方法，但它們的思路和方法卻有所不同。最大似然估計(jì)是優(yōu)化方法，通過最大化似然函數(shù)來尋找最優(yōu)的參數(shù)，而后驗(yàn)估計(jì)則是貝葉斯方法，將已有的知識（先驗(yàn)分布）和新的數(shù)據(jù)結(jié)合起來，來推斷參數(shù)的后驗(yàn)分布。在一些情況下，最大似然估計(jì)和后驗(yàn)估計(jì)可以互相轉(zhuǎn)化，但在其他情況下，它們的結(jié)果可能是不同的。

先驗(yàn)估計(jì)是在進(jìn)行概率推斷時(shí)，根據(jù)已有的先前經(jīng)驗(yàn)或知識，對待估計(jì)的未知參數(shù)進(jìn)行估計(jì)的方法。這個(gè)方法通常會在統(tǒng)計(jì)學(xué)中使用，其中未知參數(shù)通常是概率分布的參數(shù)。

一般NLP中：
最大似然估計(jì) * 先驗(yàn)估計(jì) = 后驗(yàn)估計(jì)

舉例說明：
10個(gè)人來醫(yī)院檢測，1個(gè)人是癌癥。因?yàn)闃颖镜脑虻贸?/10的癌癥幾率是有問題的。
1/10 * 0.00001 = 后驗(yàn)估計(jì)

先驗(yàn)估計(jì)作為經(jīng)驗(yàn)值，對結(jié)果產(chǎn)生影響但不一定要用乘法。