继上一篇 Data Mining 1 中的3个算法，这次是搞定Apriori 算法，感觉这个算法在写过的几个DataMine中算最恶心的。

一开始自己看频繁挖掘的时候没太明白就开始写代码，闹得最后又重写了一遍，不过也对Apriori有了更清楚的认识。

Apriori，主体分两步走：

a. 根据原始数据得到1 - k项集,再根据support（支持度）得到频繁1项集，频繁2项集，频繁3项集...... 一直到频繁k项集，这一步是运算量最大的，也是hadoop集群的瓶颈。

b. 根据置信度 confidence ，得到所有强规则。

因为 b 步骤太简单，为了省事，我没写在算法里，算法里只求出了所有频繁集。而这一步骤也分为两步：

a. 迭代得到K项集，具体迭代方法就是将上一次迭代的结果k-1项集和1项集进行组合，从而得到K项集。

b. 根据支持度，得到频繁K项集，不断迭代a,b步骤，直到K为最大为止。

应用实例：

一个骚年去赌博玩牌

一次抽出几张牌放回

到底抽了神马牌且看表格在下面

No. card

1

2

3

4

5

6

待续......

ITPub博客

数据挖掘算法小结 2 Apriori - Hadoop MapReduce