书籍介绍
数据科学和机器学习已经深度融合到我们生活的方方面面，而数学正是开启未来大门的钥匙。不是所有人生来都握有一副好牌，但是掌握“数学 + 编程 + 机器学习”的知识绝对是王牌。这一次，学习数学不再是为了考试、分数、升学，而是投资时间、自我实现、面向未来。为了让大家学数学、用数学，甚至爱上数学，在创作时，作者尽量《统计至简：概率统计全彩图解 + 微课 + Python编程》是“鸢尾花数学大系—从加减乘除到机器学习”丛书中数学版块—“数学三剑客”的第三册，也是最后一本。“数学”板块的第一本《数学要素》是各种数学工具的“大杂烩”，可谓数学基础；《矩阵力量》专门讲解机器学习中常用的线性代数工具；本册《统计至简》则介绍机器学习和数据分析中常用的概率统计工具。《统计至简：概率统计全彩图解 + 微课 + Python编程》的核心是“多元统计”，离不开第二册《矩阵力量》中介绍的线性代数工具。《统计至简：概率统计全彩图解 + 微课 + Python编程》内容又可以归纳为 7 大板块——统计、概率、高斯、随机、频率派、贝叶斯派、椭圆。《统计至简：概率统计全彩图解 + 微课 + Python编程》在讲解概率统计工具时，会穿插介绍其在数据科学和机器学习领域的应用场景，让大家学以致用。
《统计至简：概率统计全彩图解 + 微课 + Python编程》读者群包括所有在工作中应用概率统计的朋友，尤其适用于初级程序员进阶、大学本科数学开窍、高级数据分析师、机器学习开发者。
目录
用户评论
今年读完的第4本。因为本身就是学概率统计的，所以没有新意的内容就都一扫而过了。
相比这个系列的另外两本，感觉成色低了一些。主要是跟其他普通教科书对比，并没有明显的图形化解读优势了。不像之前矩阵那本书，把矩阵对应到图形上的旋转、缩放、镜像、平移。
本书的亮点是用核函数估计样本的概率密度函数，以及贝叶斯学派的介绍
感觉配套的视频越来越敷衍 并没有让读者能够领会书中比较有用或者难的地方 这类书的一大问题就是看完大家还真不知道哪里可以用 真用的时候可能已经忘了知识点了
没那么惊验了，后面开始水起来了；
我一直有数学可视化和让数学"有用"的想法，但是国内很少遇到这样的教材。如果你和我一样也是一名学生，想在应用数学的方向迈出一步，我会强烈推荐这一套书。在国内整体教材质量堪忧的当下，这套书的出现显得难能可贵。
我没有足够的知识储备来妄谈书中数学观点的高低。但是仅从书的分量和排版绘图的精致程度上，就能窥见作者满满的诚意。我强烈建议任何对这方面知识感兴趣的人去书店或者其他地方实际上手翻一翻这套书，在对比过后，相信你会理解我如此推荐它的原因。
“智能时代”已向我们走来走来。我最近一直在学习机器学习和深度学习的知识，恰巧看到作者在知乎的宣传，也正如看到这条评论的你一样被深深吸引。经过一个多月时间的阅读和学习，《鸢尾花书》系列丛书让我最欣赏的两点是：
1. 系统性。无论你是否具备大学数学基础（微积分、线性代数、概率统计），都不必担心，在这能从浅入深、前后关联地将机器学习相关的所有数学知识串联在一起，并形成紧密的知识网络。另外，机器学习中还要不少上述三门数学课之外的数学知识，这里也都会系统讲述的。系统地学习这些知识，对理解和掌握机器学习的基本原理大有裨益！
2. 高颜值可视化。没有人拒绝“高颜值”的事物。具有系统性的机器学习教材当然不止《鸢尾花书》一家，但做到精美、优良，并共享代码，让读者能亲手实践的，或许独此一家。
最后，衷心推荐！
看到目前为止，感觉我的数学思维如获新生，虽然有一些下面评论说的偶尔某一条公式需要往前翻能看到，但是翻习惯了也就不影响什么，而且还挺适合我这种，翻的同时还能顺便复习前面的内容，这个系列的书真的是少有的能把数学思维反复用图形直观强化，很通透，当然中途有一些不理解我就直接去问gpt了，也马上就理解了，但是这个系列的书真的是让我重新理解数学，重读数学，太宝藏了！
全系列书稿、代码、课程都开源，还要啥自行车