🧠AI 冷知识
你知道吗？
这些有趣的 AI 小知识可能让你大吃一惊
🎯
啤酒与尿布的传说关联规则挖掘最著名的轶事是沃尔玛发现"啤酒和尿布经常被一起购买"——据说年轻父亲被派去买尿布时会顺手买啤酒。Apriori算法的名字来自拉丁语"a priori"(先验)，它利用一个先验原理：如果一个项集是频繁的，那么它的所有子集也必须是频繁的。这个看似简单的剪枝规则让搜索空间从指数级骤减，但处理百万级商品时仍需扫描数据库数十次，这正是FP-Growth后来取而代之的原因。
来源：Agrawal & Srikant, "Fast Algorithms for Mining Association Rules", VLDB 1994
一句话总结
💡
Apriori 通过频繁项集的反单调性剪枝，逐层生成候选项集挖掘关联规则。
常见误区
这些坑别踩
✗
误区 1
Apriori 只需扫一次数据库。
✓
正确理解
它需逐层多次扫描数据库统计支持度，效率较低。
✗
误区 2
支持度高就一定有强关联。
✓
正确理解
还需看置信度和提升度，高支持度可能是巧合。
✗
误区 3
Apriori 能直接发现因果关系。
✓
正确理解
关联规则是统计共现，不等于因果，需谨慎解读。