火花先验 使用 Spark 的蛮力 Apriori 算法实现。 该算法不继续建立关联规则。 用法 输入最大 minsup 输出分区 spark-submit \ --class "com.jgalilee.spark.apriori.JobDriver" \ --master local[4] \ ./target/scala-2.10/spark-apriori_2.10-1.0.jar \ input/transactions.txt \ 10 \ 3 \ output \ 3 input - 输入交易数据的路径。 max - 要运行的最大迭代次数。 minsup - 被视为频繁项集的最小支持度候选项集。 output - 为迭代 n 写入输出的路径 - 即 output/n partitions - 用于事务数据集的分区数。 假设 输入数据被

C语言实现的Apriori算法，未实现数据库操作

针对数据挖掘中经典的Apriori算法在计算频繁项目集时需消耗大量的时间缺点,文中利用多线程并行计算的特点,提出了基于线程并行计算的Apriori算法,该算法是将统计候选项目个数的任务交给多线程来执行,从而达到减少Apriori算法的运行时间。通过实验数据分析,该算法对减少Apriori算法的运行时间有很大的提高。

Apriori关联规则在中医证型中的应用，有对应数据及说明文档，可以运行

Apriori算法实验报告及程序.doc

数据挖掘中apriori算法的实现，visual studio 2010实现的c++版，其中封装了apriori类，实现整个操作~

本资源包含主函数.m文件和其调用的四个函数文件，所有过程和步骤都带有注释说明，清晰全面地阐述了Apriori算法的MATLAB实现，具有极高的二次开发和拓展性能！

association-rule-mining 使用Apriori和FP-growth进行关联规则挖掘

FP_growth与Apriori算法比较应用，杨威，耿立明，随着数据挖掘技术的不断向前发展，新的、高效的算法的不断出现。服务行业业务中，由于算法的固有缺陷而影响数据挖掘效果和效率的

机器学习之关联分析与频繁项集（Apriori和FP-Growth算法）-附件资源