第11章：使用Apriori算法进行关联分析（从频繁项集中挖掘关联规则）

原理：

根据频繁项集找关联规则，如有一个频繁项集{豆奶，莴苣}，那么可能有一条关联规则是豆奶->莴苣，即一个人购买了豆奶，则大可能他会购买莴苣，但反过来一个人购买了莴苣，不一定他会购买豆奶，频繁项集使用支持度量化，关联规则使用可信度或置信度量化。一条规则P->H的可信度定义为支持度(P|H)/支持度(P)。（注意：python中'|'表示并集，数学中'U'表示并集）

网络示意图：

       该图为频繁项集{0,1,2,3}的关联规则网络示意图，阴影区域是第可信度的规则，如果发现0,1,2->3是低可信度的，则以3为后件的规则可信度也会低。因此，先从一个频繁项集出发（单个元素是没有关联规则的，因此从两个元素的频繁项集出发），创建一个规则列表，该规则右边只包含一个元素，然后对这些规则测试；然后合并所有规则创建新的关联列表，该规则右边包含两个元素，以此类推。

代码：

def generateRules(L,supportData,minConf=0.5):