seaborn中有关机器学习的一些知识点笔记7

最新推荐文章于 2022-06-12 16:52:52 发布

原创

最新推荐文章于 2022-06-12 16:52:52 发布 · 270 阅读

1 ·

CC 4.0 BY-SA版权

本文介绍了Seaborn库在机器学习中的应用，包括数据可视化的各种图表如直方图、散点图、回归分析图和多变量分析图，强调了这些图表在数据分析中的作用。同时，提到了利用sns.regplot()进行回归分析和factorplot()的参数查询方法。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

3.关于seaborn中的用进行数据的可视化，即将数据在特定的图能更直观的进行数据的分析。
5.单变量分析绘图
5.1直方图
5.2根据均值和协方差生成数据
5.3观测两个变量之间的关系，最好用散点图
6.回归（主要针对连续值）分析绘图:sns.regplot（）函数
7.多变量分析绘图
7.1盒图
7.2.点图可以更好的描述差异度
8.多层面板分类图

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
#5.单变量分析绘图
#5.1直方图
x=np.random.normal(size=100)
sns.distplot(x,bins=20,kde=False)#分成20个组分
plt.show()
#5.2根据均值和协方差生成数据
mean,cov=[0,1],[(1,.5),(.5,1)]
data=np.random.multivariate_normal(mean,cov,200