机器学习入门算法及其java实现-Apriori(文本关联性)算法

算法原理：

基本概念介绍：

• 支持度：
  对于事件$A\to B$的支持度 $support=P(AB)$
• 置信度：
  置信度$confidence=P(B|A)=P(AB)/P(A)$；
  3、强关联规则：
  如果存在一条关联规则，它的支持度和置信度都大于预先定义好的最小支持度与置信度，我们就称它为强关联规则。强关联规则就可以用来了解项之间的隐藏关系。所以关联分析的主要目的就是为了寻找强关联规则，而Apriori算法则主要用来帮助寻找强关联规则。
  4、频繁项
  在多个集合中，频繁出现的元素/项，就是频繁项。
  5、频繁项集
  有一系列集合，这些集合有些相同的元素，集合中同时出现频率高的元素形成一个子集，满足一定阈值条件，就是频繁项集。
  6、极大频繁项集：
  元素个数最多的频繁项集合，即其任何超集都是非频繁项集。
  7、相似性分析：
  研究的对象是集合之间的相似性关系。而频繁项集分析，研究的集合间重复性高的元素子集。
  1.2、Apriori算法描述&#