Likelihood

Правдоподобие (likelihood) — это мера того, насколько вероятными выглядят наблюдаемые данные при заданном предположении (модели). Если вероятность отвечает на вопрос «какие данные вероятны при известном правиле?», то правдоподобие переворачивает перспективу: мы знаем данные, но не знаем правило, и спрашиваем, насколько это правило согласуется с фактами.

Термин важен потому, что почти вся статистика и машинное обучение строятся на поиске правил, максимизирующих правдоподобие. Метод максимального правдоподобия позволяет подбирать параметры модели — от линейной регрессии до нейросетей — так, чтобы наблюдаемые данные были «максимально не удивительными».

Представьте, что вы нашли на пляже монету и десять раз подбросили её: выпало девять «орлов». Правдоподобие гипотезы «монета честная» — это вероятность получить такой результат в этом случае; она мала. А гипотеза «монета падает орлом в 90% случаев» даёт правдоподобие гораздо выше. Но правдоподобие не говорит, какая гипотеза истинна — только какая лучше объясняет увиденное.

В медицине правдоподобие помогает диагностировать болезни. Допустим, у пациента положительный тест на редкое заболевание. Модель сравнивает правдоподобие данных (результата теста) при гипотезе «болен» и «здоров», корректируя их на вероятность болезни в популяции. Так врач получает не просто «положительно», а обоснованную оценку риска.

Итак, правдоподобие — это язык, на котором данные «разговаривают» с гипотезами. Оно не доказывает истину, но показывает, какое объяснение заслуживает доверия. Это ключ к тому, как алгоритмы учатся на примерах и принимают решения в условиях неопределённости.