本文介绍了方差和标准差的概念，它们是衡量数据离散程度的重要指标。方差是各数据点与均值之差的平方和的平均数，而标准差是方差的平方根。通过示例数据集A和B的对比，展示了方差越大，数据的离散程度越高。此外，通过调整sklearn.datasets.samples_generator.make_blobs的cluster_std参数，进一步阐述了标准差如何影响数据分布的离散程度。
方差（variance）: 变量与其均值的差的平方和除以(变量数+1)。
如有一组数据: [1,2,3,4,5], 其均值就是 (1+2+3+4+5) / 5 = 3
所以其方差为: （(1-3)^2 + (2-3)^2 +(3-3)^2 + (4-3)^2 + (5-3)^2） /（ 5+1） = 1.6666....
标准差(standard deviation)：方差的算术平方根
方差和标准差反应了一组数据的离散程度:
当方差越小时，数据的离散程度越小
而当方差越大时，数据的离散程度也就越大。
如有两组数据
A = [1,2,3,4,5]
B=[1,5,7,9,11]
A 的方差为2 、B的方差为11.84 ，从方差的大小比较，var(A)<var(B)
所以B的离散程度比A的离散程度高
为什么方差可以体现数据的离散程度
最低0.47元/天 解锁文章
4882
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
