Maximum de vraisemblance
Choisir le paramètre qui rend les données les moins surprenantes.
L'idée avec une pièce
3 piles sur 4 lancers : quelle proba p rend cela le plus probable ? Vraisemblance p³(1-p), max en p = 0,75. C'est la fréquence observée. Le MLE généralise : on maximise le log de la proba des données sous le modèle.
Lien avec les pertes
Moindres carrés = MLE sous bruit gaussien. Log-loss = MLE sous Bernoulli. Minimiser ces pertes, c'est donc chercher le monde le plus compatible avec les observations. D'où leur statut central, pas arbitraire.
Pas de correction en ligneConfrontez votre code aux résultats attendus du cours.