Apriori关联规则

      Apriori算法是常用的用于挖掘出数据关联规则的算法，它用来找出数据值中频繁出现的数据集合，找出这些集合的模式有助于我们做一些决策。比如在常见的超市购物数据集，或者电商的网购数据集中，如果我们找到了频繁出现的数据集，那么对于超市，我们可以优化产品的位置摆放，对于电商，我们可以优化商品所在的仓库位置，达到节约成本，增加经济效益的目的。

      输入：数据集合D，支持度阈值αα

　   输出：最大的频繁k项集
1）扫描整个数据集，得到所有出现过的数据，作为候选频繁1项集。k=1，频繁0项集为空集。
2）挖掘频繁k项集
       a) 扫描数据计算候选频繁k项集的支持度

       b) 去除候选频繁k项集中支持度低于阈值的数据集,得到频繁k项集。

         如果得到的频繁k项集为空，则直接返回频繁k-1项集的集合作为算法结果，算法结束。

         如果得到的频繁k项集只有一项，则直接返回频繁k项集的集合作为算法结果，算法结束。

      c) 基于频繁k项集，连接生成候选频繁k+1项集。
 3） 令k=k+1，转入步骤2。
    从算法的步骤可以看出，Aprior算法每轮迭代都要扫描数据集，因此在数据集很大，数据种类很多的时候，算法效率很低。