説明
追加情報がない場合、テストセット内のアイテムの確率のMLEは、トレーニングセット内のその頻度とまったく同じです。最尤法は、統計でよく知られている多くの推定方法に対応しています。たとえば、成体のメスのペンギンの身長に関心があるかもしれませんが、コストや時間の制約のために、個体群内のすべてのペンギンの身長を測定することはできません。高さが通常（ガウス）分布し、平均と分散が不明であると仮定すると、母集団全体のサンプルの高さのみを知りながら、平均と分散をMLEで推定できます。MLEは、平均と分散をパラメーターとして取り、観測された結果を最も可能性の高いものにする特定のパラメトリック値を見つけることによってこれを達成します（モデルが与えられた場合）。
一般に、固定されたデータセットと基礎となる統計モデルの場合、最尤法は、尤度関数を最大化するモデルパラメーターの値のセットを選択します。直感的には、これにより、選択されたモデルと観測データの「一致」が最大化され、離散確率変数の場合、結果の分布の下で観測データの確率が実際に最大化されます。最尤推定は、正規分布や他の多くの問題の場合に明確に定義された、推定への統一されたアプローチを提供します。ただし、一部の複雑な問題では、問題が発生します。このような問題では、最尤推定量が不適切であるか、存在しません。

説明
ベイズの定理（ベイズの定理とも呼ばれます）は、条件付き確率を計算するための便利なツールです。