关联分析：
构造一个关联系数矩阵，两个属性的值介于-1到1之间。
大于0，两者为正关联，<0，两者为负关联。 0 无关联，接近1或-1是比较强的关联。
关联规则：
寻找数据集内的属性之间存在的频繁关联，前提--->结论
举例子：
确定哪些产品最常被一起购买。
有这么一波人买早点，3个人同时购买牛奶和糕点，买糕点的有4个，买牛奶的是7个。
则置信度：糕点->牛奶 3/4
牛奶->糕点 3/7
即置信度是出现某些物品时，另外一个物品出现的概率。
支持度：3/10 （糕点，牛奶）
A和B同时出现的概率。
我们寻找的是置信度高和支持度高的关联规则。
常用算法一：
Apriori算法，1.将项集连接构成候选集，2.去掉非频繁集合
FPgrowth算法，1将数据集中事务映射到一棵树Fp-tree上面，2从树上挖掘频繁项集