Apriori算法是经典的关联规则挖掘算法，用于从事务型数据库中发现频繁项集和强关联规则，特别常用于购物篮分析等场景。
???? 核心思想（Apriori原则）
一个项集是频繁的，前提是它的所有子集也必须是频繁的。
即：“若某项集不频繁，它的超集也一定不频繁”。
这个原则用于大大减少候选项集的数量，提高挖掘效率。
???? Apriori算法执行步骤
下面是算法流程（以最小支持度为前提）：
① 扫描数据库，找出所有频繁1项集（L1）
-
统计每个单个商品出现的次数
-
丢掉那些支持度小于最小阈值的项
② 生成候选2项集（C2），计算频繁2项集（L2）
-
将L1中的元素两两组合成C2
-
扫描数据库计算这些组合的支持度
-
保留满足最小支持度的组合，得到L2
③ 使用 L2 构造 C3，找出 L3……
-
重复步骤直到没有更多频繁项集为止
④ 基于频繁项集生成关联规则
-
从每个频繁项集中拆分出可能的规则A⇒B
-
计算这些规则的置信度和提升度
-
筛选满