数据挖掘十大经典算法系列，点击链接直接跳转：
- 数据挖掘简介及十大经典算法（大纲索引）
- 1. 数据挖掘十大经典算法之——C4.5 算法
- 2. 数据挖掘十大经典算法之——K-Means 算法
- 3. 数据挖掘十大经典算法之——SVM 算法
- 4. 数据挖掘十大经典算法之——Apriori 算法
- 5. 数据挖掘十大经典算法之——EM 算法
- 6. 数据挖掘十大经典算法之——PageRank 算法
- 7 数据挖掘十大经典算法之——AdaBoost 算法
- 8. 数据挖掘十大经典算法之——KNN 算法
- 9. 数据挖掘十大经典算法之——Naive Bayes 算法
- 10. 数据挖掘十大经典算法之——CART 算法
简介
Apriori 算法是一种挖掘关联规则的算法，用于挖掘其内含的、未知的却又实际存在的数据关系，其核心是基于两阶段频集思想的递推算法。
Apriori 算法分为两个阶段：
1）寻找频繁项集
2）由频繁项集找关联规则
算法缺点：
1） 在每一步产生侯选项目集时循环产生的组合过多，没有排除不应该参与组合的元素；
2） 每次计算项集的支持度时，都对数据库中的全部记录进行了一遍扫描比较，需要很大的I/O 负载。
案例
啤酒尿布问题