一、关联分析概述

1. 关联分析

2. 频繁项集的评估标准

2.1 支持度

2.2 置信度

2.3 提升度

3. 关联规则发现

二、Apriori算法原理

三、使用Apriori算法来发现频繁项集

1. 生成候选项集

2. 项集迭代函数

四、Apriori关联规则挖掘

1. 挖掘关联规则的流程

2. 关联规则的python实现

五、案例：发现美国国会投票中的模式

1. 导入数据集并进行简单数据处理

2. 挖掘所有的频繁项集

3. 挖掘强关联规则

六、案例：发现毒蘑菇的相似特征

1. 导入数据集并做预处理

2. 进行频繁项集的挖掘

3. 挖掘强关联规则