一、Aoriori原始演算法：

頻繁挖掘模式與關聯規則

關聯規則兩個基本的指標(假設有事務A和事務B)

　　1、支援度(suport)：計算公式如下

　　2、置信度(confidence)：

關聯規則的挖掘過程：

　　1、設定最小支援度閾值，找出所有的頻繁項集且每個出現的次數要大於等於最小支援度閾值。

　　2、由頻繁項集產生強關聯規則：這些規則必須滿足最小支援度和最小置信度。

先驗性質：頻繁項集的所有非空子集也一定是頻繁的

Apriori演算法的兩大步驟：連線步，剪枝步。

　　舉個例子：資料集具有9條事務資料

　　先設定最小支援度閾值為2；然後我們逐層找出有效的頻繁項集

　　首先掃描整個資料集共有5個獨立的項集分別為[I1, I2, I3, I4, I5]，然後對齊進行計數，檢視是否滿足閾值。

　　在集合L1 中過濾掉無效項集後，由 L1進行組合產生L2，在對L2 中的每個項集進行計數，過濾掉無效項集

　　有L2進行組合產生L3，再進行計數(此步驟以及後面的步驟(如果有的話))要考慮先驗性質，降低運算消耗

　　備註：頻繁項集L2 的組合按理說應該是 [[I1,I2,I3], [I1,I2,I5], [I1, I3,I5], [I2, I3, I4], [I2,I3,I5], [I2,I4,I5]]，但是根據先驗性質，後面四個項集存在子集不是頻繁項集，也就是說子集計數小於2，具體如下

　　迭代到L(n-1) 就停止了。

二、提高 Aprioir演算法的效率

　　　　未完待續......