在變量篩選中，通過衡量特征所包含信息量大小，決定是否刪除特征，常用的指標有單一值占比、缺失值占比和方差值大小。單一值或缺失值占比越高，表示特征包含信息量越少，不同公司設置不同閾值，一般單一值、缺失值占比高于95%，建議刪除。方差值越小，代表特征包含信息量越小。接下來詳細闡述方差值的原理和Python計算代碼。

??

一、什么是方差？

??
方差：衡量一組數據離散程度的統計量，它表示每個數據與這組數據平均數的差的平方的平均數。
??
方差越大，說明這組數據的離散程度越大。

??
??

二、方差的計算公式

??
假設有一組數據x1,x2,……,xn，這組數據的方差計算步驟如下：
??
step1：計算平均數(均值)，首先，計算這組數據的平均數(均值)，公式為

其中，n是數據量，Σ是求和符號。
??
step2：計算方差： 然后，利用平均數，計算方差，公式為

表示每個數與平均數的差的平方之和，再除以n得