似然：在确定的结果下去推测产生这个结果的可能环境。
如果用θ表示环境对应的参数，x表示结果，那么概率可以表示为P(x|θ) ，P(x|θ) 是条件概率的表示方法，θ是前置条件，可理解为在θ的前提下，事件x发生的概率，相对应的似然可表示为L(θ|x) 。
L(θ|x) 理解为已知已知结果为x，参数为θ(在似然函数里，θ为一变量)对应的概率
L(θ|x) =P(x|θ)
需要说明的是两者在数值上相等，但是意义并不相同，L 是关于 θ 的函数，而 P 则是关于 x 的函数，两者从不同的角度描述一件事情。
与概率分布图不同的是，似然函数是一个(0,1)内连续的函数，所以得到的图也是连续的。
似然函数的最大值？
而似然描述的是结果已知的情况下，该事件在不同条件下发生的可能性，似然函数的值越大说明该事件在对应的条件下发生的可能性越大。在机器学习领域，需要根据已知事件来找出产生这种结果最有可能的条件，目的是根据这个最有可能的条件去推测未知事件的概率。
求最大似然估计的一般求解过程：
写出似然函数
对似然函数取对数，并整理
求导数
解似然函数