Apriori算法Java实现

Apriori 算法的 Java 实现，思路清晰，代码不绕弯子，比较适合用来当参考或者直接改造上线。整个流程用得比较顺，像事务数据库就是用ArrayList>存的，直观好懂。

候选集和频繁项集的也挺实在，HashMap配合ArrayList来做频率统计，结构上没花活，读起来不费劲。

像读取事务数据用的是readTable方法，从 TXT 文件按行解析。每行一个事务，用空格分割，方式比较稳。如果你是做零售推荐、用户行为这种场景的，这种设计就挺贴合实际的。

pruning函数专门负责剪枝，逻辑清晰，支持度不够的直接删，性能上还能再提升点，但在小中型数据集上跑着还是比较轻快。

如果你要跑大数据集，可以考虑用位向量压内存，或者配合Spark跑分布式。原始代码里虽然是单线程的，但结构比较干净，改起来也方便。

生成的关联规则像{A} -> {B}这种，按支持度和置信度筛一波，逻辑也比较严谨。想快速验证想法、写个 PoC，这份 Java 代码蛮合适的。

想拓展学习的话，下面这些链接你可以看看，像Java 实现的 Apriori 算法、Apriori 关联规则算法原理这些都还不错。