Apriori

Apriori算法是一种经典的关联规则挖掘算法，用于发现数据集中的频繁项集和关联规则。它基于一种称为"先验原理"的思想，即如果一个项集是频繁的，那么它的所有子集也必须是频繁的。

Apriori算法的主要步骤如下：

1. 扫描数据集，统计每个项的支持度（出现的频率）。

2. 根据设定的最小支持度阈值，生成频繁1项集（单个项）。

3. 根据频繁1项集，生成候选2项集，并计算其支持度。

4. 根据设定的最小支持度阈值，筛选出频繁2项集。

5. 重复步骤3和步骤4，生成候选k项集，并筛选出频繁k项集，直到无法生成更多频繁项集为止。

6. 根据频繁项集，生成关联规则，并计算其置信度。

7. 根据设定的最小置信度阈值，筛选出满足要求的关联规则。

 

Apriori算法的优点是简单易懂，容易实现。但是当数据集较大时，由于需要生成大量的候选项集，计算开销较大。