Apriori算法的优缺点
优点：
1) Apriori算法采用逐层搜索的迭代方法，算法简单明了，没有复杂的理论推导，也易于实现。
2) 数据采用水平组织方式
3)采用Apriori 优化方法
4)适合事务数据库的关联规则挖掘。
5)适合稀疏数据集:根据以往的研究,该算法只能适合稀疏数据集的关联规则挖掘，也就是频繁项目集的长度稍小的数据集。
缺陷：
1)对数据库的扫描次数过多。
2) Apriori算法可能产生大量的候选项集。
3)在频繁项目集长度变大的情况下,运算时间显著增加。
4)采用唯一支持度,没有考虑各个属性重要程度的不同。
5)算法的适应面窄。
FP-growth算法的优缺点
优点：
1)没有生成候选项集。
2)对数据库的扫描次数少。
3)FP-tree是一个高度压缩的结构，它存储了用于挖掘频繁项集的全部信息。
4)在简单挖掘下，速度快，效率高。
缺点：
1)树的子节点过多，例如生成了只包含前缀的树，那么也会导致算法效率大幅度下降。
2)FP-Growth算法需要递归生成条件数据库和条件FP-tree,所以内存开销大
3)只能用于挖掘单维的布尔关联规则。