Matlab代码：将最大似然函数当作损失函数

在MATLAB中，最大似然估计通常用于拟合模型参数，使得数据的生成概率最大化。当你把最大似然函数作为损失函数（也称为负对数似然损失），你可以用它来优化模型参数。以下是简单的步骤：

% 假设我们有一个随机变量X的数据集，并假设其服从某种概率分布（比如正态分布）
data = ...; % 要分析的数据
mu = model_params(1); % 初始化均值参数
sigma = model_params(2); % 初始化方差参数

% 定义数据的似然函数，对于正态分布，它是logpdf函数的负值
log_likelihood = -sum(log(pdf(NormalDist, data, mu, sigma)));

% 将似然函数转换为损失函数
loss_function = -log_likelihood;

% 使用优化工具箱如fminunc或minimize进行参数估计
options = optimoptions('fminunc', 'Display', 'iter'); % 可选设置其他选项
[optimized_params, ~] = fminunc(@(params) -loss_function, model_params, options);

% 最大似然估计得到的最优参数
mu_opt = optimized_params(1);
sigma_opt = optimized_params(2);