频繁模式是指频繁的出现在数据集中的模式（如项集、子序列或子结构）
规则兴趣度的两种度量：支持度（所发现规则的有用性）和置信度（所发现规则的确定性）
关联规则的挖掘分以下两步：
1）找出所有的频繁项集
2）由频繁项集产生强关联规则
第二步的开销远小于第一步，因此挖掘关联规则的总体性能由第一步决定
先验性质：频繁项集的所有非空子集也一定是频繁的-
1.Apriori算法：通过限制候选产生发现频繁项集
Apriori算法使用逐层搜索迭代方法，首先提高扫描数据库，累计每个项的计数并搜集满足最小支持度的项，找出频繁1项集的集合L1；然后使用L1找出频繁2项集的集合L2，使用L2找出L3，如此下去，直到不能再找到频繁k项集。
提高Apriori算法的效率：
基于散列的技术、事务压缩、划分、抽样、动态项集计数
2.FP树：对于挖掘长的频繁模式和短的频繁模式，它都是有效和可伸缩的，并且大约比Apriori算法快一个数量级
3.使用垂直数据格式挖掘频繁项集
水平数据格式：TID项集格式｛TID：itemset｝
垂直数据格式：项-TID集格式｛item:TID_set｝