Apriori是一种频繁数据挖掘算法，它在2006年入选由IEEE International Conference on Data Mining所评选的数据挖掘领域的十大经典算法。该算法的主要目的是找出数据集的数据项中频繁出现的项集。
首先定义频繁项：若某项在数据集中出现次数超过阈值$min\_sup$，则该项为频繁项（其中$min\_sup$可以根据实际情况进行设定）。假设需要得到数据集$D$中的频繁项集$S$，初始时集合$S$为空，则使用Apriori算法的求解的主要步骤为：
- 1.遍历总的数据集$D$，统计所有数据项在数据集中出现的次数，删除所有出现次数少于$min\_sup$的项，余下的数据项组成长度为1的频繁项集$C_{0}$，令$S=S\cup C_{0}$；
- 2.根据之前一步所得到的频繁项集$C_{0}$，生成下一个频繁项的候选集$C_{1}$，候选集中的所有项长度$l_{1}$等于之前一步得到的频繁项长度$l_{0}$加一；
- 3.遍历总的数据集$D$，统计候选集中数据项出现的次数；
- 4.删除所有出现次数少于$min\_sup$的项，余下的数据项组成长度为$l_{1}$的频繁项$C_{0}$,令$S=S\cup C_{0}$；
- 5.重复2，3，4步，直至候选集$C_{1}$为空;
- 6.返回得到的所有频繁项的集合$S$，以及集合中各项在数据集中出现的次数集合。
在上述步骤中求下一个候选集时，Apriori算法依赖于频繁项的一个性质：任意频繁项的子集合也是频繁的。因此，可以通过如下具体步骤来求解候选集：
- 1.通过上一步结果得到频繁项集合$C_{0}$，初始化当前候选集合为$C_{1}$;
- 2.将集合$C_{0}$中的各个项进行两两求并，若得到一个长度加一的项，则将其添加到后选$C_{1}$中；
- 3.返回集合$C_{1}$。
上述算法完整Python实现可以在我的GitHub中获取到。
1.参考文档：
[1]. 数据挖掘（概念与技术） Jiawei Han 等著 范明 等译