方差（variance）: 變數與其均值的差的平方和除以(變數數+1)。
如有一組資料: [1,2,3,4,5], 其均值就是 (1+2+3+4+5) / 5 = 3
所以其方差為: （(1-3)^2 + (2-3)^2 +(3-3)^2 + (4-3)^2 + (5-3)^2） /（ 5+1） = 1.6666....
標準差(standard deviation)：方差的算術平方根
方差和標準差反應了一組資料的離散程度:
當方差越小時，資料的離散程度越小
而當方差越大時，資料的離散程度也就越大。
如有兩組資料
A = [1,2,3,4,5]
B=[1,5,7,9,11]
A 的方差為2 、B的方差為11.84 ，從方差的大小比較，var(A)<var(B)
所以B的離散程度比A的離散程度高
為什麼方差可以體現資料的離散程度？
由公式可知:
當所有的變數值都一樣時，均值等於變數值
所以方差為0,此時離散程度為0。當各個變數值裡均值都有一定距離時
方差大於0。
例子:
通過使用 from sklearn.datasets.samples_generator import make_blobs 圍繞3箇中心點來生成資料集
紅色的點代表 中心點
藍色的點代表 生成點
通過修改make_blobs裡面的cluster_std引數來控制 生成點 與 中心點之間的離散程度。而cluster_std引數
對應就是標準差
（1）當標準差為 0.60時:
(2) 當標準差為 0.3時
影像反映了不同標準差之間資料釋出的情況
由此也反映了標準差與數值離散程度之間的對應關係。