關聯規則學習

主要的指標包括：支持度support，置信度confidence，提升度lift。對於一個二項規則例如“A→B”，支持度是指A與B同時出現的概率，即P(A B)；置信度是B關於A的條件概率，即P(B | A)；提升度是B的概率的提升，即P(B | A) / P(B)。

頻繁項集:

閉集

極大頻繁項集

apriori算法:

1. fp-growth 爲什麼是從支持度從小到大分配(想出來好幾次都忘了,次哦):
   原因1: 支持度小的相比一定長,這樣能很好的分離出閉集,也就是絕對不會產生重複的頻繁項集.
   原因2:支持度大的,還分配多的,容易reduce端傾斜,而且分離效果沒那麼好
   舉例: 1234 123 12 :
   從多到少:
   1234  123  12 
   234    23
   34 
   從少到多:
   4321  
   321     321
   21        21       21