2020-09-10 阅读量: 608
A、普通的的算法
1.找出候选集和频繁集
创建候选1项集，根据最小支持度，生成频繁1项集。
创建候选2项集（频繁1项集的两两组合，去掉重复），再生成频繁2项集。
创建候选3项集（频繁2项集的两两组合，去掉重复），再生成频繁3项集。
2.生成关联规则
针对任意k(k>=2)项集，生成如下的关联规则
R: f-β==>β
其中f是k项集，β是其任意真子集。
根据每一个关联规则的置信度和提升度，进行过滤。
B、Apriori算法
1.对所有数据进行排序
2.优化候选集
当k>=2, 前面所有的项相同，只有最后一项不同，并且后面的项>前面的项
快速的得到候选集
3.优化频繁项集
从该k项候选集中，找到所有的k-1项集，如果这些项集不在频繁k-1项集中，删除该k项集
4.优化关联规则
当k=3，开始优化，根据上面的公式，β从1开始，如果f-β==>β不满足关联规则，则f-β的所有的真子集都不满足关联规则。
