1、什么是标准偏差?
标准偏差是一个数字，描述值的分散程度。
低标准偏差意味着大多数数字接近均值（平均值）。
高标准偏差表示这些值分布在更宽的范围内。
示例：这次我们已经注册了7辆车的速度：
speed = [86,87,88,86,87,85,86]
标准偏差为：
0.9
意味着大多数值在平均值的0.9范围内，即86.4。
让我们对范围更广的数字进行选择：
speed = [32,111,138,28,59,77,97]
标准偏差为：
37.85
这意味着大多数值在平均值的37.85范围内，即77.4。
如您所见，较高的标准偏差表示这些值分布在较宽的范围内。
NumPy模块有一种计算标准偏差的方法：
例如：
使用NumPystd()方法查找标准偏差：
import numpy speed = [86,87,88,86,87,85,86] x = numpy.std(speed) print(x)
例如：
import numpy speed = [32,111,138,28,59,77,97] x = numpy.std(speed) print(x)
2、方差(Variance)
方差是另一个数字，指示值的分散程度。
实际上，如果采用方差的平方根，则会得到标准偏差！
或反之，如果将标准偏差乘以自身，就可以得到方差！
要计算方差，必须执行以下操作：
1）找到均值：
(32+111+138+28+59+77+97) / 7 = 77.4
2）对于每个值：找到与平均值的差：
32 - 77.4 = -45.4
111 - 77.4 = 33.6
138 - 77.4 = 60.6
28 - 77.4 = -49.4
59 - 77.4 = -18.4
77 - 77.4 = - 0.4
97 - 77.4 = 19.6
3）对于每个差异：找到平方值：
(-45.4)2 = 2061.16 (33.6)2 = 1128.96 (60.6)2 = 3672.36 (-49.4)2 = 2440.36(-18.4)2 = 338.56(- 0.4)2 = 0.16 (19.6)2 = 384.16
4）方差是这些平方差的平均值：
(2061.16+1128.96+3672.36+2440.36+338.56+0.16+384.16) / 7 = 1432.2
幸运的是，NumPy有一种计算方差的方法：
例如：
使用NumPyvar()方法来查找差异：
import numpy speed = [32,111,138,28,59,77,97] x = numpy.var(speed) print(x)
3、标准偏差(Standard Deviation)
例如：
使用NumPystd()方法查找标准偏差：
import numpy speed = [32,111,138,28,59,77,97] x = numpy.std(speed) print(x)
import numpy as np
arr = np.array([1,2,3,4])
print("variance of [1,2,3,4]:", np.var(arr))
print("sqrt of variance [1,2,3,4]:",np.sqrt(np.var(arr)))
print("standard deviation: np.std()", np.std(arr))
4、符号
标准偏差通常用符号Sigma：σ
方差通常用符号Sigma Square: σ2
5、小结
标准偏差和方差是机器学习中经常使用的术语，因此了解如何获取它们以及它们背后的概念非常重要。