方差均方差协方差

 方差 

方差衡量的是数据分布的离散程度，即数据值与其平均值（均值）的偏差的平方的平均值。用于描述数据集中的数据点如何分散在均值周围。高方差意味着数据点远离均值，而低方差意味着数据点紧密围绕均值分布。公式为：

均方误差（MSE）

均方误差是观测值与真实值之间差异的平方的平均值。它是预测误差的平方和除以观测数。主要用于量化预测模型的性能，特别是在回归分析中。较低的MSE表示较小的误差，意味着模型具有较好的预测准确性。公式表示为：

协方差 

协方差是衡量两个变量共同变异性的统计量，它用于描述两个变量之间的线性关系强度以及变化趋势的一致性。如果两个变量的增减趋势一致（即一个变量增加时，另一个变量也倾向于增加，反之亦然），则它们之间的协方差是正的。相反，如果一个变量增加而另一个变量减少，则它们之间的协方差是负的。如果协方差接近0，表明两个变量之间没有线性关系。定义为：

代码示例： 

import numpy as np

# 定义两个变量
X = np.array([1, 2, 3, 4, 5])
Y = np.array([2, 3.9, 6.1, 8, 10.1])

# 计算X和Y的均值
mean_X = np.mean(X)
mean_Y = np.mean(Y)

# 计算协方差
covariance = np.mean((X - mean_X) * (Y - mean_Y))

计算得到它们之间的协方差为 4.06。这个正值表明，随着X的增加，Y也倾向于增加，说明X和Y之间存在正相关关系。