什么是极大似然估计？在概率模型中我们常用的是对数极大似然，为什么？

极大似然估计是一种常用的参数估计方法，其基本思想是在已知一组观测数据的情况下，寻找最能解释这些数据的模型参数值。具体地说，我们假设模型的参数值可以影响观测数据的分布，因此可以根据观测数据来推断模型参数的取值。

在概率模型中，我们通常使用对数极大似然估计来求解模型参数。这是因为当我们使用极大似然估计时，需要最大化似然函数的值，而似然函数通常是由多个概率值相乘而成，因此对数极大似然可以将乘法转化为加法，简化计算。

具体地说，对于一个概率模型，其似然函数可以表示为所有观测数据的联合概率密度函数。对于给定的观测数据集，其对数似然函数可以表示为所有观测数据的对数概率密度函数之和。因此，通过最大化对数似然函数的值，我们可以得到最优的模型参数估计值。