主要知识点：

1. 金融项集与格结构

   枚举所有可能金融项集的结构。下图是一个包含A,B,C,D,E五个项的项集格，这五个单项可以用来代表事务数据集中的一些项，例如不同的金融产品。包含d个单项的金融数据集可以产生包括空集在内的共2的d次方个金融项集。

   

2.挖掘格结构中金融频繁项集的方法——暴力方法

针对格结构中的每个候选金融项集，通过扫描数据集确定每个候选金融项集的支持度，选取支持度超过最小支持度阈值的为金融频繁项集。假设金融数据集中的事务个数为N个，事务的宽度为w，那么暴力方法的复杂度就等于N乘以w乘以2的d次方。

3.简化暴力方法的思路

• 减少候选项集的数目，降低指数级别的候选项集。（先验原理思路）

• 减少候选项集与事务之间的比对次数。（哈希树思路）

• 减少事务的个数，随着候选项集的规模越来越大，能支持项集的事务会越来越少。

4.先验原理

• 如果一个项集是频繁的，那么它的所有子集都是频繁的。

• 利用先验原理进行支持度的剪枝，即一个项集的支持度绝对不会超过它的子集的支持度。

5.Apriori算法中频繁项集产生的主要步骤

该算法是一种使用产生-测试策略产生频繁项集的策略，步骤中，Fk是k-频繁项集，Lk是候选k-项集。

步骤1：通过单遍扫描数据集，确定每个单项的支持度，产生频繁1-项集；

步骤2：迭代的运用candidate-gen函数的从频繁k-项集Fk中产生候选Lk+1项集；

步骤3：迭代的运用candidate-prune函数对非频繁的候选Lk+1项集进行剪枝操作；

步骤4：需要重新扫描数据集确定候选Lk+1项集的支持度计数；

步骤5：删去支持度小于最小支持度阈值的候选Lk+1项集；

步骤6：当没有新的频繁项集产生，即Fk等于空集时，算法结束。