数据挖掘算法学习之Apriori算法

频繁模式：

        频繁出现在数据集中的模式

        譬如，一个商场一天出售的商品（大米，油，等）是一个数据集。频繁模式是一个子序列，如牙膏和牙刷总是在一起出现，则课看做一个频繁模式。

关联规则：

        频繁模式可以使用关联规则表示，如：

        牙刷=>牙膏

        表示一个人买了牙刷后很可能买牙膏。

频繁项集：   

    项的集合称为项集。

    包含k个项的项集称为k项集。

    项集出现的频数是包含项的事务数，称为支持度计数。

    如果一个项集的支持度计数大于预定义的最小支持度计数，则称该项集为频繁项集。

Apriori算法就是从数据集中找出所有的频繁项集，再产生所有的关联规则，计算其置信度，从而挖掘出需要的关联模式。

       在介绍算法前先明确一个性质：任一频繁项集的所有非空子集也必须是频繁的。因为假如P(I)< 最小支持度阈值，当有元素A添加到I中时，结果项集（A∩I）不可能比I出现次数更多。因此A