如果你在数据科学领域还只是个新手，那么建议你先看看——《五本书带你入门数据科学》，入门后，再学习《R语言案例实战》。
概率图模型系列文章：
在机器学习的分类算法中，我们会使用训练样本的数据，来对模型进行训练，然后得到模型的参数。同样地，我们也可以通过已经收集到的训练样本，来对概率图模型的先验概率，进行合理的初始化，使用到的方法，就是最大似然估计。
最大似然估计概念
在统计学中，最大似然估计（英语：maximum likelihood estimation，缩写为MLE），是用来估计一个概率模型的参数的一种方法。
按照字面理解，最大似然估计的意思就是最大那种可能的估计。更大白话一点，那就是“已发生的事情，在它没有发生之前，就是最可能发生的事情”。
下面我们来看几个案例：
新手和猎人外出打猎，一声枪响，动物应声而倒，你觉得是谁开的枪？
抽烟者患肺癌的概率是不抽烟者的5倍，某人患肺癌，你觉得他抽烟吗？
在校门口观察一段时间，发现有20个女生，18个男生经过，你觉得这个学校男女比例如何？
最后一个问题可能你不太自信，但是前面两个问题，你应该是可以毫无疑问地回答出来的。
最大似然估计详解
最大似然估计的理论非常简单，如下所示：
不熟悉理论的同学，肯定觉得这些公式很头大，没关系，我们就用上面男女生比例的例子，来给大家演算一下，最大似然估计的应用。
根据高中数学知识，将求导后的公式等于0，进行求解，即可得到函数的最大值。
是不是觉得这个答案，就是你猜的那个答案，直接拿看到的女生的人数，除以看到的所有人数就行了。
没错，这个就是最大似然估计的核心思想——已经发生的事情，在这个事情发生之前，是最大概率发生的事情。
因此，对于概率图模型中的先验概率，我们完全可以使用已有的训练样本的数据，来对它进行初始化。
计算模型的未知参数
知道如何使用训练数据，根据最大似然估计的规则，去计算概率图模型的参数之后，我们就来使用一个简单的案例，来演示这个过程。
现在我们有这么一份数据：
把 z 当做是 目标，x、y 为特征，概率图模型如下所示：
数据和模型的构建，代码如下所示：
接着，就可以使用最大似然估计的结论，来计算出这个概率图模型中的所有参数了，代码如下所示：
执行代码，即可得到参数的结果，如下所示：
推荐阅读
新手入门推荐：
R数据分析实战
R语言案例实战——广告投放的渠道效果评估
马尔科夫实战
蒙特卡罗实战
