最大似然估计和贝叶斯

最大似然估计：通过事实推参数，随着事实的不断变化，参数也随之改变，  先假定一个参数，然后计算实验结果的概率是多少，概率越大的，那么这个假设的参数就越可能是真的。
贝叶斯：是考虑到了一方面，同时考虑到了另一方面。新信息出现A的概率=A概率*新信息带来的调整。就是在实践的过程中不断修正参数。

区别：
         极大似然估计认为参数是客观不变的，通过事实逐渐接近他；
         贝叶斯认为参数是随机的，靠样本估计它。