詳細解釋
Apriori 是 Agrawal 與 Srikant 於 1994 年提出的機器學習 (ML)演算法，用於從交易資料中挖掘頻繁項集（frequent itemsets）並產出關聯規則（association rules），典型應用包含購物籃分析與推薦系統。
核心為「Apriori 性質」：若某項集為頻繁，則其所有子集必為頻繁；反之若某項集不頻繁，則其所有超集皆不頻繁。演算法自 1-項集起，依門檻篩出頻繁項集，再逐層擴展並剪枝，直到無法再擴展。實作常搭配廣度優先搜尋與雜湊樹。
優點是直觀、易整合至 Python/R/Java；缺點是在大資料集上候選生成與多輪掃描較耗資源。可與 FP-Growth 等替代方法或取樣策略併用。與 機器學習 (ML)、推薦系統、特徵工程 等概念相關。