聚类scikit-learn基本上包含了各种类型的聚类算法，具体包括：K-均值聚类，谱聚类，层次聚类，DBSCAN等 。
有没有哪里提供了机器学习数据挖掘算法的基本实现？
目前公开可以使用的，在机器学习和数据挖掘领域的算法包有很多 。根据不同的场景、使用者的不同知识背景(主要是编程语言)，都有对应的，可以快速使用的算法库 。下面介绍比较流行的python机器学习库scikit-learn 。scikit-learn对于ML领域的Pythoner来说，scikit-learn这个包肯定是必不可少会用到的 。
Scikit-learn项目最早由 David Cournapeau发起的，专门针对机器学习应用而发展起来的一款开源框架 。Scikit-learn主要包括四大领域的算法集，每一个类型都有若干种不同的算法 。分类算法包括常用的逻辑回归、支持向量机、各种决策树算法(C4.5,ID3,CART)、多种分布的朴素贝叶斯算法(高斯分布、伯努利分布),神经网络(主要是多层感知机，不过scikit-learn并不是一个深度学习库，所以这里的神经网络并不好用) 等等 。
【sklearn,谱聚类】回归算法主要支持向量回归（SVR），岭回归，Lasso回归，弹性网络（Elastic Net)和一些线性回归模型等 。聚类scikit-learn基本上包含了各种类型的聚类算法，具体包括：K-均值聚类，谱聚类，层次聚类，DBSCAN等 。流形学习流形学习最常见的用法就是对高维数据可视化的时候用于降维，scikit-learn中集成了著名的t-sne，isomap等算法 。
