Apriori算法：通过限制候选产生发现频繁项集

Apriori算法：布尔关联规则挖掘频繁项集的方法

        该算法使用频繁项集性质的先验知识，Apriori算法使用一种逐层搜索的迭代方法，其中k项集用于探索(k+1)项集。首先，通过扫描数据库，累计每个项的技术，并收集满足最小支持度的项，找出频繁1项集的集合，该集合记为L1，然后使用L1找出频繁2项集的几个L2，使用L2找出L3......如此下去，知道不能再找出频繁k项集，找出每个Lk需要一次完整的数据库扫描。
        为了提高频繁项集逐层产生的效率，一种称为 先验性质(Apriori property)的重要性质用于压缩搜索空间。
        先验性质：频繁项集的所有非空子集也一定是频繁的。

        先验性质是基于如下观察，根据定义如果项集 I不满足最小支持杜阀值min_sup，则I是不频繁的，即P(I)<min_sup。如果把项A添加到项集I中，则结果项集(即I∪A)不可能比I更频繁出现因此I∪A也是不频繁的，即P(I∪A)<min_sup。

        该性质属于一类特殊的性质，称为反单调性：如果一个集合不能通过测试，则他的所有超类也都不能通过相同的测试。

        “如何在算法中使用先验性质？”为理解这一点，我们考察如何使用L _k-1找出 L _{k，其中k>=2,下面的两步过程由连接步和剪枝步组成。}

          _{(1)连接步：}

                            _{为找出Lk，通过将Lk-1与自身连接产生候选k项集合，该候选项集的集合为Ck，设l1和l2是Lk-1中的项集，为了有效地实现，Apriori算法嘉定实物或项集中的项按字典排序，之后执行连接操作Lk-1∞Lk-1，其中Lk-1是可连接的，如果他们前k-2个元素相同，如果(l1[1]=l2[1])∧(l1[2]=l2[2])∧......∧(l1[k-2]=l2[k-2])∧(l1[k-1]<l2[k-1]),则连接l1和l2产生的结果项集是{l1[1],l1[2]......,l1[k-1],l2[k-1]}。}

        (2)剪枝步：

                           C_k是Lk 的超集，Ck可以是也可以不是频繁的，但是所有的频繁项集都包含在Ck中，扫描数据库，确定Ck中每个候选的计数，从而确定Lk。

    妈的不扯这些垃圾语言了 直接看例子：

AllElectronices 某分店的事物数据

Tid	商品Id列表	Tid	商品Id列表
T100	I1，I2，I5	T600	I2，I3
T200	I2，I4	T700	I1，I3
T300	I2，I3	T800	I1，I2，I3，I5
T400	I1，I2，I4	T900	I1，I2，I3
T500	I1，I3

迭代的过程为：

其中的一些细节：

具体算法