1、 目的：从用户的商品购买流水中，找出经常被一起购买的商品集合。即遍历所有可能的商品组合集合，找出频繁集。
2、 概念
a) 频繁集：指的是商品数据集合中经常一起出现的组合。在同一频繁集中出现的商品说明存在某种关联性。用支持度与置信度来定义商品间的强弱关系。
b) 支持度：数据集合中包含该项集记录所占的比例。下面表格例子中，{豆奶}的支持度=2/5，{啤酒，尿布}的支持度=3/5；
c) 置信度：针对频繁集商品数量>=2的情况，k项数据集的置信度等于k项集的支持度与k-1项集的支持度之比。比如：{啤酒，尿布}的置信度=支持度（{尿布，啤酒}）/支持度（{尿布}）；
3、 算法步骤（例子）
1) 扫描数据集，构建单项的集合，对所有单项的支持度计算数量，并收集满足最小支持度的项。找出单项频繁集集合。
2) 以上一次遍历所得到的频繁项集作为种子项集，构建新的2项候选集，选出满足支持度的所有2项频繁集，依次迭代，直到遍历所有可能的数据集；
（给定一个候选k项集，只需要检查其k-1项子集是否频繁）
