一.基本介绍
1.概念：数据项中的所有并发，项目集合I，事务集合T，每个事务ti是一个项目集合
2.典型案例： 购物车，没有顺序
3.公式
支持度=((X 并 Y) * count) / n
X Y：项集 count：X在T中的事务数目 ，支持计数 n：T中的事务总数
在购物车中理解为同时买商品X和商品Y的概率
置信度=((X 并 Y) * count) / (X * count)
购物车中理解为买了商品X的客户同时买Y的概率，是一个条件概率
二.Apriori算法
1.步骤
生成所有的频繁项目集 (一个频繁项目集的支持度 > minsup)
从频繁项目集中生成所有的可信关联规则(一个关联规则的置信度 > minconf)
2.项集中的项目个数称为基数k
3.频繁项集的生成
向下封闭属性：某个项集满足最小支持度，那么这个项集的任何非空子集都必须满足最小支持度