[TOC] ## **1.概念** **關聯分析（Association analysis）**,最早用于分析超市中顧客一次購買的物品之間的關聯性。發現大量數據中隱藏的關聯性和相關性，進而描述出一個事物中某些屬性同時出現的規律和模式，這些規律和模式即關聯規則。 * 項、項集、k項集、頻繁項集 * 支持度、置信度、提升度、杠桿率、確信度 * 關聯規則、強關聯規則 ## **2.基本步驟** （1）頻繁項集的產生 產生所有支持度大于支持度閾值的項集 （2）強關聯規則的產生 從頻繁項集中產生高置信度的規則，即強關聯規則 （3）尋找有用的強關聯規則 ## **3. Apriori**  兩條基本規則: （1）如果一個集合是頻繁項集，則它的所有子集都是頻繁項集。 （2）如果一個集合不是頻繁項集，則它的所有超集都不是頻繁項集。 ## **4. FP-Growth** Han等人提出FP-Growth（頻繁模式增長）算法，通過把交易集D中的信息壓縮到一個FP（Frequent Pattern)樹結構中，可以在尋找頻繁集的過程中不需要產生候選集，大大減少了掃描全庫的次數，從而 大大提高了運算效率。  * 相比Apriori算法需要多次掃描數據庫，FPGrowth只需要對數據庫掃描2次。 * 第1次掃描獲得單個項的頻率，去掉不滿足支持度要求的項，并對剩下的項排序。 * 第2次掃描，對于每條數據剔除非頻繁1項集，并按照支持度降序排列。建立FP-Tree。 * 從FP-Tree中抽取頻繁項集，但不能發現數據之間的關聯規則