数据挖掘中，Apriori算法讲解

一般给定一个事务数据库，关联规则挖掘问题就是通过用户指定最小支持度（support)和最小可信度（confidence)来寻找强关联规则的过程。关联规则挖掘问题可以划分成两个子问题，第一，发现频繁项目集，第二，生成关联规则。

一，我讲的这部分是频繁项集的生成，之后还有生成关联规则的部分。Apriori算法是一种关联规则的频繁项算法。
二，它的核心思想是使用候选项集寻找频繁项集。Aprori算法使用一种称为逐层搜索的迭代方法，k-项集用于搜索（k+1)-项集。首先找出所有频繁1-项集L1，然后用L1寻找频繁2-项集L2，然后用L2寻找频繁3-项集L3，以此类推下去，直到不能找到频繁K-项集为终止。
三，Apriori算法的用途
可以用于消费市场价格分析，猜测顾客的消费习惯。

下面，我们可以来看一个关于Aprori算法的例子

TID	Itemset
1	A,B,C,D
2	B,C,E
3	A,B,C,E
4	B,D,E
5	A,B,C,D

其中minsup_count>=2

第一步：生成候选集并通过扫描数据库得到它们的支持数，C1={(A,3),(B,5),(C,4),(D,3)