方差（variance）: 變量與其均值的差的平方和除以(變量數+1)。
如有一組數據: [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....
標准差(standard deviation)：方差的算術平方根
方差和標准差反應了一組數據的離散程度:
當方差越小時，數據的離散程度越小
而當方差越大時，數據的離散程度也就越大。
如有兩組數據
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
為什么方差可以體現數據的離散程度？
由公式可知:
當所有的變量值都一樣時，均值等於變量值
所以方差為0,此時離散程度為0。當各個變量值里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個中心點來生成數據集
紅色的點代表 中心點
藍色的點代表 生成點
通過修改make_blobs里面的cluster_std參數來控制 生成點 與 中心點之間的離散程度。而cluster_std參數
對應就是標准差
（1）當標准差為 0.60時:
(2) 當標准差為 0.3時
圖像反映了不同標准差之間數據發布的情況
由此也反映了標准差與數值離散程度之間的對應關系。