【网络数据挖掘——数据挖掘基础】关联规则
![](https://img2018.cnblogs.com/blog/697687/201809/697687-20180920190750167-1404489193.png)
![](https://img2018.cnblogs.com/blog/697687/201809/697687-20180920190810163-960414583.png)
![](https://img2018.cnblogs.com/blog/697687/201809/697687-20180920191130943-756832142.png)
![](https://img2018.cnblogs.com/blog/697687/201809/697687-20180920191141720-241881442.png)
![](https://img2018.cnblogs.com/blog/697687/201809/697687-20180920191150890-1623665499.png)
![](https://img2018.cnblogs.com/blog/697687/201809/697687-20180920191205260-217681363.png)
![](https://img2018.cnblogs.com/blog/697687/201809/697687-20180920191240603-859439213.png)
![](https://img2018.cnblogs.com/blog/697687/201809/697687-20180920191248040-332714445.png)
![](https://img2018.cnblogs.com/blog/697687/201809/697687-20180920191818811-2001818166.png)
![](https://img2018.cnblogs.com/blog/697687/201809/697687-20180920191827120-1899394859.png)
![](https://img2018.cnblogs.com/blog/697687/201809/697687-20180920191837874-423926181.png)
![](https://img2018.cnblogs.com/blog/697687/201809/697687-20180920191911498-1659096432.png)
![](https://img2018.cnblogs.com/blog/697687/201809/697687-20180920191922696-974250296.png)
![](https://img2018.cnblogs.com/blog/697687/201809/697687-20180920191942223-1295670792.png)
![](https://img2018.cnblogs.com/blog/697687/201809/697687-20180920192014701-938573391.png)
![](https://img2018.cnblogs.com/blog/697687/201809/697687-20180920192026671-1032105593.png)
![](https://img2018.cnblogs.com/blog/697687/201809/697687-20180920192104029-1768562945.png)
![](https://img2018.cnblogs.com/blog/697687/201809/697687-20180920192728268-451042830.png)
![](https://img2018.cnblogs.com/blog/697687/201809/697687-20180920192737367-1575108068.png)
![](https://img2018.cnblogs.com/blog/697687/201809/697687-20180920192749943-1827439881.png)
![](https://img2018.cnblogs.com/blog/697687/201809/697687-20180920192756150-269279123.png)
![](https://img2018.cnblogs.com/blog/697687/201809/697687-20180920192802277-792264975.png)
![](https://img2018.cnblogs.com/blog/697687/201809/697687-20180920192814018-1122452143.png)
![](https://img2018.cnblogs.com/blog/697687/201809/697687-20180920192820986-1475196838.png)
![](https://img2018.cnblogs.com/blog/697687/201809/697687-20180920193452620-299362772.png)
Aprior算法流程
下面我们对Aprior算法流程做一个总结。
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。
![](https://img2018.cnblogs.com/blog/697687/201809/697687-20180920193655224-954952102.png)
![](https://img2018.cnblogs.com/blog/697687/201809/697687-20180920193704799-590149849.png)
原文地址:https://www.cnblogs.com/chihaoyuIsnotHere/p/9682860.html