seaborn支持哪些估计器？

Seaborn是一个Python数据可视化库，它提供了一种高级接口，用于创建各种统计图形。Seaborn支持许多估计器，以下是一些常见的估计器：

1. 线性回归模型（lmplot和regplot）：用于拟合和可视化线性回归模型。
2. 逻辑回归模型（logisticplot）：用于拟合和可视化逻辑回归模型。
3. 局部回归模型（loess和lowess）：用于拟合和可视化非线性回归模型。
4. 核密度估计（kdeplot）：用于估计和可视化数据的概率密度。
5. 残差图（residplot）：用于检查回归模型的残差。
6. 箱线图（boxplot）：用于显示数据的分布和离群值。
7. 小提琴图（violinplot）：结合箱线图和核密度图，用于显示数据的分布。
8. 分布图（distplot）：用于显示数据的分布情况。
9. 散点图（scatterplot）：用于显示两个变量之间的关系。
10. 柱状图（barplot）：用于显示类别变量的均值和置信区间。

这些估计器可以帮助我们更好地理解和分析数据。对于每个估计器，Seaborn提供了丰富的参数和选项，以满足不同的可视化需求。

腾讯云提供了强大的云计算服务，可以支持Seaborn的部署和运行。您可以使用腾讯云的计算服务（如云服务器、容器服务、函数计算等）来搭建Seaborn的开发和生产环境。您可以通过以下链接了解更多关于腾讯云的产品和服务：

腾讯云官方网站：https://cloud.tencent.com/ 腾讯云计算服务：https://cloud.tencent.com/product/cvm 腾讯云容器服务：https://cloud.tencent.com/product/ccs 腾讯云函数计算：https://cloud.tencent.com/product/scf

请注意，本答案不涉及亚马逊AWS、Azure、阿里云、华为云、天翼云、GoDaddy、Namecheap、Google等品牌商。