经典的关联规则数据挖掘算法Apriori 算法广泛应用于各种领域，通过对数据的关联性进行了分析和挖掘，挖掘出的这些信息在决策制定过程中具有重要的参考价值。

Win32控制台应用，实现Apriori算法，查找频繁子集

用Python写了一个 Apriori算法模块，测试数据用的是R里面的经典数据集Groceries.csv食品杂货店。对该数据集进行关联分析，并对结果进行打印，分别输出了各项集情况，关联规则和最受欢迎的前五个商品。大家可以根据自身的需求修改代码。

有关Apriori算法的几种改进方法，可以帮助我们更好地进行数据挖掘分析

library(arules) library(Matrix) library(arules) library(arulesViz) library(grid) library(arulesViz) data('SunBai') summary(SunBai) #inspect函数查看SunBai数据集的前5次交易记录 inspect(SunBai[1:5]) #itemFrequency()函数可以查看商品的交易比例 itemFrequency(SunBai[,1:3]) #support=0.1，表示支持度至少为0.1 itemFrequencyPlot(SunBai,support=0.1) #topN=20,表示支持度排在前20的商品 itemFrequencyPlot(SunBai,topN=20) #利用transactionInfo函数查看前六数据 head(transactionInfo(SunBai))

实现的是发表在计算机工程杂志的一篇文章中的算法

用Java语言实现的apriori算法，算法分为2步：计算频繁N项集；得出关联规则。

今天刚写的Apriori算法，C#+VS2008开发，数据在bin/debug/data.txt中构造。现刚写到频繁项集，支持度写好了后继续更新。 数据挖掘 Apriori

matlab 实现，大家分享下

Java语言实现的Apriori算法，数据可由excel数据表格提供，eclipse导入即可运行