Apriori关联规则算法整个思路

1.设定最小支持度和置信度，支持度确定规则可以用于给定数据集的频繁程度，置信度确定YY在包含XX的交易中出现的频繁程度。

support是支持度，confidence是置信度。

2.通过读取获取的数据：去除重复元素，得到所有的基本元素如（A、B、C、D、E）称为1项候选集C1，并且算出来每个项的支持度。

3.在C1候选集中通过设定的最小支持度去除非频繁项(非频繁项与其他项组合也是非频繁项)得到1项频繁集L1

4.开始循环执行，通过频繁项组合得到K项候选集Ck，组合的时候需要满足规则，组合成的项拆分出来的所有k-1子集都可以在上一层中存在如ACD拆成AC、AD、CD都存在于上一层。通过剔除Ck候选集中的非频繁项得到Lk频繁集。直到没有满足的最小支持度的项为止。

5.当得到所有的频繁集之后（2项频繁集、3项频繁集、……），算所有的置信度。

这就是在买a的时候会买b的概率，买c，e的时候会买a的概率。

 

转载java实现Apriori源码：https://github.com/muziyongshixin/Association-rule-mining-with-Apriori