Python 机器学习标准偏差

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

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：

提示：numpy模块不是内置模块，需要用pip安装才可以使用。
使用NumPy std()方法查找标准偏差：
```
import numpy

speed = [86,87,88,86,87,85,86]

x = numpy.std(speed)

print(x)
```
输出如下所示：
```
import numpy

speed = [32,111,138,28,59,77,97]

x = numpy.std(speed)

print(x)
```
输出如下所示：
方差

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，就可以得到标准方差！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，您必须执行以下操作：

1.找到均值：
```
(32+111+138+28+59+77+97) = 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：
使用NumPy var()方法查找方差：
```
import numpy

speed = [32,111,138,28,59,77,97]

x = numpy.var(speed)

print(x)
```
输出如下所示：
标准偏差

如我们所知，找到标准偏差的公式是方差的平方根：
```
√1432.25 = 37.85
```
或者，如前例所示，使用NumPy计算标准差：
使用NumPy std()方法查找标准偏差：
```
import numpy

speed = [32,111,138,28,59,77,97]

x = numpy.std(speed)

print(x)
```
符号

标准偏差通常用Sigma符号来表示：σ

方差通常由符号Sigma[西格玛]的平方：σ²
章节总结

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。

Python 机器学习标准偏差

什么是标准偏差？

方差

标准偏差

符号

章节总结