似然比检验是经典 假设检验的支柱。这个想法是形成所考虑的两个假设的可能性，如果它们的比率足够大，则选择具有最高可能性的一个。假设有两种形式：简单的和复合的。简单检验是假设唯一定义分布的检验；例如，均值就是那个，或者方差就是那个。如果不是简单的，那就是复合的；例如，均值不等于某个值，或者方差小于某个值。广义的似然比检验适用于复合假设，目标是从假设空间中的所有可能选项中找出使似然最大化的分布，并考虑它们的比率。

在贝叶斯统计中，人们考虑的是后验概率而不是相似度，相应的比率称为贝叶斯因子。

监督/无监督学习是另一回事。

我建议您查阅教科书以获取工作示例；我认为我的解释并没有做到主题公正。

GLRT 通常应用于 1) 复合假设 2) 两个或多个参数密度函数