K-means算法 与 关联规则挖掘Apriori算法

K-means算法更注重进行多类别的详细分类,且分类结果有着较大的差异，每次实验的结果皆略有不同。

得到的分类结果一般以聚类中心的值为数值结果，通过判定不同的值的大小来确定聚类后各个数据到设定的聚类中心(K)的值的大小，通过不同的大小区分出不同的类别与其优势值和弱势值。

Apriori算法用来进行不同字段值之间的相关联性探索，给出的结果以数值表示关联性强弱，在实验设置置信度与最小关联度后，可以以设置的基准值为标准，来改变最后输出的结果。

Apriori算法只能处理离散性数据（即类别值数据）。一般而言，在进行Apriori算法处理前，其所需要的数据可以通过K-means算法来进行离散性区分。