Apriori算法是最常用的数据关联规则挖掘算法，用于频繁项挖掘。
概念
支持度（Support）即A和B同时发生的概率，Support（X，Y）= P（XY）=num（XY）/num(all)
置信度（Confidence）即发生A的情况下B发生的概率，confidence（X<-Y）=P（X|Y）=P（XY）/P（Y）
频繁项集表示的就是在数据集中频繁出现的项集（可以是一个，也可以是多个）。如果事件A中包含k个元素，那么称这个事件A为k项集，并且事件A满足最小支持度阈值的事件称为频繁k项集。
Apriori算法的目标是找到最大的K项频繁集。
具体算法如上，先统计出所有项目的support，去掉最低，求剩下所有二项组合的support，去掉最低，求剩下所有三项组合的support，直到无法求出k+1项为止。
生成关联规则：
1.关于每个频繁项集L，生成所有非空子集，
2.对每个非空子集x，计算其置信度：Confidence（x）>= min confidence，那么x->(L-x)成立
confidence（A->B）=P（B|A）=support（A∪B）/support（A）
改进方案是FP-growth算法，快一个数量级