数据挖掘Apriori算法简介

Apriori算法是一种用于关联规则挖掘（Association rule mining）的代表性算法，它同样位居十大数据挖掘算法之列。关联规则挖掘是数据挖掘中的一个非常重要的研究方向，也是一个由来已久的话题，它的主要任务就是设法发现事物之间的内在联系。

关联规则

在介绍Apriori算法之前，我们先分析一下关联规则。
关联规则即 X->Y 的蕴涵表达式。当 X 成立时，Y也会成立。而验证关联规则是否有效，或者成立的关键点在于支持度和置信度。
支持度，置信度概念：http://blog.csdn.net/xinan_zxy/article/details/78994611
支持度表示规则在给定数据集中的频繁程度，置信度表示在前提成立的情况下，规则成立的频繁程度。
因此，一般来说，对于大部分关联规则挖掘的算法，可分为两部分：
（1）频繁项集的产生：发现能够满足最小支持度阈值的所有项集，这些项集称作频繁项集；
（2）规则的产生：从上一步发现的频繁项集中提取所有高置信度的规则，这些规则称作强规则。

对于频繁项集的产生所需的时间一般要高于规则的产生。
最直接，最简单的方法就是 暴力搜索。

• List all possible association rules（列出全部可能的规则）
• Compute the support and confidence for each rule（计算规则