购买彩票已经成为人们生活当中一 种娱乐性投资。因此, 如何提高中奖率, 必将成为彩民朋友一个很关心的问题。 许多彩民朋友在购买彩票的时候往往会 对以往的出现的数据组合进行分析, 看 看是否有什么规律, 希望将此结果作为 对未来的数据进行预测。在众多的方法 中有一种方法很普遍: 认为在以往众多 期数中出现次数较多的数据或者数据组 合在往后的期数出现的机会也应该很 大。也就是在购买彩票前看看以前哪些 号码出现的次数多, 越多就表示它往后 出现的机会也越多。利用这种方法来购 买下期的号码, 表面上看来很合理。下面 我们针对这个问题使用关联规则挖掘中 经典算法Apriori 算法来对其进行一些 实例研究, 并且运用概率论的知识对所 得结论进行解释。

使用Apriori算法进行频繁项集的挖掘以及关联规则的挖掘 挖掘的数据集是fulldata中的前1000条数据top1000data。因为fulldata中数据过多（超过80000），使用Apriori算法将会耗费大量的时间。

关联规则中Apriori算法的C_实现研究.pdf

关联规则中的apriori算法的研究与改进.pdf

人工智能-机器学习-关联规则分析-Apriori算法实例-挖掘电影导演的关联规则

导读： 随着大数据概念的火热，啤酒与尿布的故事广为人知。我们如何发现买啤酒的人往往也会买尿布这一规律？数据挖掘中的用于挖掘频繁项集和关联规则的Apriori算法可以告诉我们。本文首先对Apriori算法进行简介，而后进一步介绍相关的基本概念，之后详细的介绍Apriori算法的具体策略和步骤，最后给出Python实现代码。 1.Apriori算法简介 Apriori算法是经典的挖掘频繁项集和关联规则的数据挖掘算法。A priori在拉丁语中指”来自以前”。当定义问题时，通常会使用先验知识或者假设，这被称作”一个先验”（a priori）。Apriori算法的名字正是基于这样的事实：算法使用频繁项

IT_销售带推荐系统 Python-Django网络应用程序，根据客户以前在公司购买的产品为客户推荐产品，推荐系统为Apriori算法。

关联规则中Apriori算法的C#实现研究.txt

这是对于数据挖掘课程的一个小结，花了大约三天的时间完成，总的来说完成的还可以，虽然实现的效果不咋地。

Apriori算法实验报告.docx