前面的部分中，我们已经看到了RapidMiner Studio图形用户界面是如何建立起来的，以及如何用它来定义和执行分析流程。在流程的最后，流程结果会显示在结果视图中。现在在工具栏上点击一下就能跳转到结果视图了。这一章会详细阐述结果视图。依据您是否已经生成了可被描述的结果，在默认设置前提下，您现在应该至少能大致看到这些显示内容，如图4.1所示。

第2章 RapidMiner Studio简介 RapidMiner Studio 结合技术性和适用性，为最新的及已建立的人性化数据挖掘技术提供服务。通过推拽算子，设置参数及组合算子，在RapidMiner Studio中定义分析流程。

以jupyter为平台，利用python实现对墨尔本10年气候变化数据集的特征处理，然后并利用机器学习模型进行训练以及对原始数据集的拟合，最后来评价那种模型的拟合效果最佳。（提供了相关数据集）

使用两种算法来进行数据挖掘关联规则的分析，第一个是使用python自带的库函数，根据顾客实际购买行为数据（值为1表示购买了该种商品；值为0表示未购买该种商品），分析顾客在网络购物中购买图书、运动鞋、耳机、DVD和果汁五种商品时，是否存在购买行为上的关联，第二个是使用自定义算法来判断关联性并给出频繁项集。

这是一个介绍社交网站数据挖掘与分析的教程，值得一看～

Python数据挖掘 数据预处理案例（以航空公司数据为例）源代码+文件 完美解决复制代码后出现的空格问题，以及程序不能执行问题。

Mining Heterogeneous Information Networks: Principles and Methodologies. Synthesis Lectures on Data Mining and Knowledge Discovery

本书由Michigan State University 的Pang-Ning Tan和University of Minnesota的Michael Steinbach合著，深入浅出地说明了数据挖掘的四大部分:可视化、相关性分析、分类和聚集分析的概念和相关算法。本书同样也是斯坦福大学数据挖掘课程(Stats 202 Data Mining)的教学用书。本书为pdf英文版本，使用快压压缩。

清晰完整扫描版数据挖掘导论，Introduction to Data Mining. Pang-Ning Tan

一、数据预处理与导入 1、2019_nCoV_data.csv是2020年1月-3月世界新冠疫情的数据，要求对2019_nCoV_data.csv进行数据预处理做以下操作，要求： （1）Sno编号列没有用，需要删除 部分国家对应的地区为NAN，需要填充为空白字符串 （3）部分国家/地区，受感染人数为0，也被列在表格中，需要删去 （4）查看受影响的国家/地区的数量，Country一列中将'Mainland China', 'Hong Kong' , 'Macau', 'Taiwan' 等统一修正为'China'；另外需将'Korea, South'改为'South Korea'。 2、对于DXYArea.csv也需要进行数据预处理，要求做以下操作： （2）countryEnglishName一列中将 'HongKong' , 'Macao'等统一修正为'China'。 （3）将updateTime转换成date格式（输出为该数据的新列updateTime1，也就是只保留日期部分）。 （4）因为大部分城市都没有加“市”字，所以要把直辖市的下属区的“区”字去掉；还有一些没有变化规律的城市名