Apriori---[əpriˈɔri] ---先天的，推测的

什么是关联规则？

        尿布 -> 葡萄酒 就是一个关联规则。如果顾客买了尿布，那么在统计上，那么他会购买葡萄酒的概率比较大。（但是，这一条件反过来并不总是成立。 也就是说 “豆奶 -> 莴苣” 统计上显著，那么 “莴苣 -> 豆奶” 也不一定成立。）

        这意味着如果有人买了豆奶，

如何度量频繁？两个指标

        支持度和可信度

        支持度: 数据集中包含该项集（项集就是元素可能的组合）原始数据的条数 占原始数据的总条数    的比例。例如上图中，{豆奶} 的支持度为 4/5。{豆奶, 尿布} 的支持度为 3/5。

        可信度：{尿布} -> {葡萄酒}这样的关联规则的可信度。

        可信度 = 支持度({尿布, 葡萄酒})/支持度({尿布})，从图中可以看出 支持度({尿布, 葡萄酒}) = 3/5，支持度({尿布}) = 4/5，所以 {尿布} -> {葡萄酒} 的可信度 = 3/5  / 4/5 = 3/4 = 0.75。

                         A -> B 的可信度定义为 support(A | B) / support(A)。（类似条件概率，贝叶斯公式的定义？）——A | B 是指所有出现在集合 A 或者集合 B 中的元素。

非频繁项，就是支持度低的项集（项集就是元素可能的组合）

算法最终的输出或产出：找到一个频繁项集，

Apriori（关联分析算法）_apriori算法-CSDN博客