关联规则学习

主要的指标包括：支持度support，置信度confidence，提升度lift。对于一个二项规则例如“A→B”，支持度是指A与B同时出现的概率，即P(A B)；置信度是B关于A的条件概率，即P(B | A)；提升度是B的概率的提升，即P(B | A) / P(B)。

频繁项集:

闭集

极大频繁项集

apriori算法:

1. fp-growth 为什么是从支持度从小到大分配(想出来好几次都忘了,次哦):
   原因1: 支持度小的相比一定长,这样能很好的分离出闭集,也就是绝对不会产生重复的频繁项集.
   原因2:支持度大的,还分配多的,容易reduce端倾斜,而且分离效果没那么好
   举例: 1234 123 12 :
   从多到少:
   1234  123  12 
   234    23
   34 
   从少到多:
   4321  
   321     321
   21        21       21