⽅差（Variance）、协⽅差（Covariance）与相关性系数
⽅差
⽅差主要计算⼀维数组的离散程度
协⽅差
协⽅差主要衡量两组变量或者⼆维变量的相似程度
很明显，所谓的协⽅差就是⽅差在⼆维上的呈现。那么⼀维数据⾃⾝的协⽅差是如何计算呢？
⼀维数据和⾃⼰的协⽅差，就是数据本⾝的⽅差，⽅差是协⽅差的特殊情况。
值得注意的是当两组数据的协⽅差为0时，说明两组数据线性⽆关。⽽两组数据的协⽅差越⼤，相关性也就越⼤。当协⽅差为负时，两组数据负相关，反之为正相关。
相关性系数
相关性系数也可以被理解成⼀种特殊的协⽅差。相对于协⽅差来说，它是经过了标准化的消除了变化幅度的影响的协⽅差，可以单纯反应两个变量每单位变化时的相似程度。
这⾥的消除变化幅度的影响如何理解呢？两组数据变化趋势相同时，可能幅度相差很多，导致协⽅差的计算值在负⽆穷到正⽆穷之间变化。但我们经过了标准化处理，使得相关性系数的值集中在-1到1之间。当相关系数为－1时，说明两个变量变化的反向相似度最⼤，X增⼤
时，Y进⾏等值缩⼩，反之亦然。
