方差（variance）: 變數與其均值的差的平方和除以(變數數+1)。

　　 如有一組資料: [1,2,3,4,5], 其均值就是 (1+2+3+4+5) / 5 = 3

　　 所以其方差為: （(1-3)^2 + (2-3)^2 +(3-3)^2 + (4-3)^2 + (5-3)^2） /（ 5+1） = 1.6666....

標準差(standard deviation)：方差的算術平方根

方差和標準差反應了一組資料的離散程度:

當方差越小時，資料的離散程度越小

而當方差越大時，資料的離散程度也就越大。

如有兩組資料

A = [1,2,3,4,5]

B=[1,5,7,9,11]

A 的方差為2 、B的方差為11.84 ，從方差的大小比較，var(A)<var(B)

所以B的離散程度比A的離散程度高

為什麼方差可以體現資料的離散程度？

由公式可知:

當所有的變數值都一樣時，均值等於變數值

所以方差為0,此時離散程度為0。當各個變數值裡均值都有一定距離時

方差大於0。

例子:

通過使用 from sklearn.datasets.samples_generator import make_blobs 圍繞3箇中心點來生成資料集

紅色的點代表 中心點

藍色的點代表 生成點

通過修改make_blobs裡面的cluster_std引數來控制 生成點 與 中心點之間的離散程度。而cluster_std引數

對應就是標準差

（1）當標準差為 0.60時:

(2) 當標準差為 0.3時

影象反映了不同標準差之間資料釋出的情況

由此也反映了標準差與數值離散程度之間的對應關係。

&n