机器学习——使用Apriori算法进行关联分析

从大规模的数据集中寻找隐含关系被称作为关联分析（association analysis）或者关联规则学习（association rule learning）。

Apriori算法

优点：易编码实现

缺点：在大数据集上可能较慢

使用数据类型：数值型或者标称型数据

关联分析寻找的是隐含关系，这些关系可以有两种形式：频繁项集或者关联规则。

频繁项集（frequent item sets）是经常出现在一起的集合

关联规则（association rule）暗示两种物品之间可能存在很强的关系

项集的支持度和可信度（置信度）



Apriori算法的原理是如果某个项集是频繁的，那么它的所有子集也是频繁的；如果一个项集是非频繁的，那么它的所有超集也是非频繁的。