一、heatmap热力图以颜色的明亮程度来显示数据的密集程度。颜色越明亮，数据越密集。函数：seaborn.heatmap常用参数：data接收二维矩阵数据集，用于绘图的数据集。vmin，vmax接收float，表示颜色映射的值的范围。默认为Nonecenter接收float，表示以0为中心发散颜色，默认为None。cmap接收色彩映射或颜色列表，表示数值到颜色空间的映射，默认为None。robu

一、分类散点图1.stripplot函数：seaborn.stripplot常用参数：x,y,hue接收data中的变量名，表示选入的绘图变量，hue传入分类变量，以对颜色分类。data接收DataFrame，array，list，series，表示用于绘图的数据集。order,order_hue接收字符串列表，指定绘图分类级别。jitter接收float，True或1，添加均匀随机噪声以优化图形

Seaborn具有以下特点：1.基于matplotlib绘图风格，增加了一些绘图模式。2.增加调色板功能，具有色彩丰富的显示数据的模式。3.面向整个数据集，可以显示多个变量之间的关系。4.可视化单变量和双变量分布以及在数据子集间进行比较。5.不同种类因变量的线性回归模型的自动估计和绘图。6.方便查看复杂数据集的整体结构。7.灵活处理时间序列数据。8.利用网络建立复杂图像集。一、Seaborn基础1

在一个机器学习任务中，如果每一条数据的目标值是离散的，则该任务是一个分类任务。解决分类问题基本的方法有：线性分类器、决策树、朴素贝叶斯、人工神经网络、K近邻（KNN）、支持向量机（SVM）；组合基本分类器的集成学习算法：随机森林、Adaboost、Xgboost等。一、线性分类器线性分类器=假设函数+损失函数，假设函数是原始图像数据到类别的映射；使用线性分类器分类的问题可以转化为最优化问题：通过更