最大似然法最小二乘法

最大似然法（Maximum Likelihood Estimation，簡稱MLE）和最小二乘法（Least Squares，簡稱LS）是兩種常見的參數估計方法，主要區別在於依據的數據不同，且在不同的假設下都可以進行相應的修正。

• 最大似然法是在給定樣本信息下，根據事件出現的機率來對模型參數進行估計的一種方法。具體而言，最大似然法是通過對具有給定模型的系統觀測到的數據的觀察頻率的統計分析來估計參數。最大似然法的基礎是似然函式，該函式決定了參數估計的最佳化準則。
• 最小二乘法則是通過最小化平方誤差來估計參數的一種方法。它假設誤差項服從零均值的常態分配，並利用線性回歸模型中殘差的平方和作為誤差度量，來尋找最佳擬合參數。當自變數為標準化的數據且具有線性關係時，常用最小二乘法來估計參數。

在實際套用中，需要根據數據特點、問題背景、假設條件等因素來選擇合適的估計方法。