最大似然估计：
前提1：一定量样本
前提2：已知概率分布模型
结果：最大化类似当前分布的估计，最大化当前事件发生的概率（如从盒子中取出小球的概率）
一个在已知观察结果（即样本）和给定概率分布模型的基础上，估计概率分布模型的参数，并使得在该参数下，生成这个已知样本的可能性最大的方法。（条件：样本+概率分布模型，结果：最可能接近已知样本）
简单描述：最大似然估计就是去找参数估计值，使得已经观察到的样本值发生概率最大。
求解步骤：
step1：根据设定概率模型，写出联合概率形式的似然函数
step2： 对似然函数取对数，并整理
step3：求导数或偏导数，并赋值为0
step4：求解方程
参考网站：https://www.sohu.com/a/208191273_697750
伯努利分布：
（要么有
，要么没有
，就是二项分布）
逻辑回归：
为什么损失函数使用对数形式？根据极大似然估计的的概念演化过来的https://blog.csdn.net/saltriver/article/details/63683092
1）模型：
2）损失函数：