[TOC] ## **1.概念** **关联分析（Association analysis）**,最早用于分析超市中顾客一次购买的物品之间的关联性。发现大量数据中隐藏的关联性和相关性，进而描述出一个事物中某些属性同时出现的规律和模式，这些规律和模式即关联规则。 * 项、项集、k项集、频繁项集 * 支持度、置信度、提升度、杠杆率、确信度 * 关联规则、强关联规则 ## **2.基本步骤** （1）频繁项集的产生 产生所有支持度大于支持度阈值的项集 （2）强关联规则的产生 从频繁项集中产生高置信度的规则，即强关联规则 （3）寻找有用的强关联规则 ## **3. Apriori**  两条基本规则: （1）如果一个集合是频繁项集，则它的所有子集都是频繁项集。 （2）如果一个集合不是频繁项集，则它的所有超集都不是频繁项集。 ## **4. FP-Growth** Han等人提出FP-Growth（频繁模式增长）算法，通过把交易集D中的信息压缩到一个FP（Frequent Pattern)树结构中，可以在寻找频繁集的过程中不需要产生候选集，大大减少了扫描全库的次数，从而 大大提高了运算效率。  * 相比Apriori算法需要多次扫描数据库，FPGrowth只需要对数据库扫描2次。 * 第1次扫描获得单个项的频率，去掉不满足支持度要求的项，并对剩下的项排序。 * 第2次扫描，对于每条数据剔除非频繁1项集，并按照支持度降序排列。建立FP-Tree。 * 从FP-Tree中抽取频繁项集，但不能发现数据之间的关联规则