菜单
×
   ❮     
HTML CSS JAVASCRIPT SQL PYTHON JAVA PHP HOW TO W3.CSS C C++ C# BOOTSTRAP REACT MYSQL JQUERY EXCEL XML DJANGO NUMPY PANDAS NODEJS R TYPESCRIPT ANGULAR GIT POSTGRESQL MONGODB ASP AI GO KOTLIN SASS VUE DSA GEN AI SCIPY AWS CYBERSECURITY DATA SCIENCE
     ❯   

Python 教程

Python 主页 Python 简介 Python 入门 Python 语法 Python 注释 Python 变量 Python 数据类型 Python 数字 Python 类型转换 Python 字符串 Python 布尔值 Python 运算符 Python 列表 Python 元组 Python 集合 Python 字典 Python If...Else Python While 循环 Python For 循环 Python 函数 Python Lambda Python 数组 Python 类/对象 Python 继承 Python 迭代器 Python 多态 Python 作用域 Python 模块 Python 日期 Python 数学 Python JSON Python 正则表达式 Python PIP Python Try...Except Python 用户输入 Python 字符串格式化

文件处理

Python 文件处理 Python 读取文件 Python 写入/创建文件 Python 删除文件

Python 模块

NumPy 教程 Pandas 教程 SciPy 教程 Django 教程

Python Matplotlib

Matplotlib 简介 Matplotlib 入门 Matplotlib Pyplot Matplotlib 绘图 Matplotlib 标记 Matplotlib 线条 Matplotlib 标签 Matplotlib 网格 Matplotlib 子图 Matplotlib 散点图 Matplotlib 条形图 Matplotlib 直方图 Matplotlib 饼图

机器学习

入门 均值、中位数、众数 标准差 百分位数 数据分布 正态数据分布 散点图 线性回归 多项式回归 多元回归 缩放 训练/测试 决策树 混淆矩阵 层次聚类 逻辑回归 网格搜索 分类数据 K-means Bootstrap Aggregation 交叉验证 AUC - ROC 曲线 K-近邻

Python MySQL

MySQL 入门 MySQL 创建数据库 MySQL 创建表 MySQL 插入 MySQL 选择 MySQL Where MySQL Order By MySQL 删除 MySQL 删除表 MySQL 更新 MySQL Limit MySQL Join

Python MongoDB

MongoDB 入门 MongoDB 创建数据库 MongoDB 集合 MongoDB 插入 MongoDB Find MongoDB Query MongoDB Sort MongoDB 删除 MongoDB 删除集合 MongoDB 更新 MongoDB Limit

Python 参考

Python 概述 Python 内置函数 Python 字符串方法 Python 列表方法 Python 字典方法 Python 元组方法 Python 集合方法 Python 文件方法 Python 关键字 Python 异常 Python 词汇表

模块参考

Random 模块 Requests 模块 Statistics 模块 Math 模块 cMath 模块

Python 如何操作

删除列表重复项 反转字符串 两个数字相加

Python 示例

Python 示例 Python 编译器 Python 练习 Python 测验 Python 服务器 Python 面试问答 Python 训练营 Python 证书

机器学习 - 标准差


什么是标准差?

标准差是一个描述数值分散程度的数字。

低的标准差意味着大多数数值都接近均值(平均值)。

高的标准差意味着数值分布在一个更宽的范围内。

示例:这次我们记录了 7 辆汽车的速度

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

标准差是

0.9

这意味着大多数数值都在距离均值(86.4)0.9 的范围内。

让我们对一组范围更广的数字做同样的事情

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

标准差是

37.85

这意味着大多数数值都在距离均值(77.4)37.85 的范围内。

正如你所见,更高的标准差表明数值分布在一个更宽的范围内。

NumPy 模块有一个计算标准差的方法

示例

使用 NumPy 的 std() 方法来计算标准差

import numpy

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

x = numpy.std(speed)

print(x)
自己动手试一试 »

示例

import numpy

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

x = numpy.std(speed)

print(x)
自己动手试一试 »

像数据分析师一样学习在 Python 中筛选数据

与 Coursera 合作制作的专家指导项目,提供一步步的指导。立即尝试动手训练!

开始

方差

方差是另一个表明数值分散程度的数字。

事实上,如果你计算方差的平方根,你就能得到标准差!

反之亦然,如果你将标准差乘以自身,你就能得到方差!

要计算方差,你需要执行以下步骤

1. 计算均值

(32+111+138+28+59+77+97) / 7 = 77.4

2. 对于每个数值:计算它与均值的差

 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. 对于每个差值:计算其平方值

(-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 有一个计算方差的方法

示例

使用 NumPy 的 var() 方法来计算方差

import numpy

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

x = numpy.var(speed)

print(x)
自己动手试一试 »

标准差

正如我们所学,计算标准差的公式是方差的平方根

1432.25 = 37.85

或者,就像之前的例子一样,使用 NumPy 来计算标准差

示例

使用 NumPy 的 std() 方法来计算标准差

import numpy

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

x = numpy.std(speed)

print(x)
自己动手试一试 »

符号

标准差通常用符号 Sigma 表示:σ

方差通常用符号 Sigma Squared 表示:σ2


Chapter Summary

标准差和方差是机器学习中常用的术语,所以理解如何获得它们以及它们背后的概念非常重要。


×

联系销售

如果您想将 W3Schools 服务用于教育机构、团队或企业,请发送电子邮件给我们
sales@w3schools.com

报告错误

如果您想报告错误,或想提出建议,请发送电子邮件给我们
help@w3schools.com

W3Schools 经过优化,旨在方便学习和培训。示例可能经过简化,以提高阅读和学习体验。教程、参考资料和示例会不断审查,以避免错误,但我们无法保证所有内容的完全正确性。使用 W3Schools 即表示您已阅读并接受我们的使用条款Cookie 和隐私政策

版权所有 1999-2024 Refsnes Data。保留所有权利。W3Schools 由 W3.CSS 提供支持