關聯規則的背景

關聯規則探勘會偵測交易中的常用型樣及規則。關聯規則探勘的已知演算法為 Apriori 或 FP-Growth。對於分析儲存程序，由於其可調整性而偏好使用 PrefixSpan 演算法。

Apriori 演算法會執行連續的反覆運算，來搜尋常用的項目集。這些反覆運算會有系統地考量增加大小的項目集。不過，對於大型資料集或低臨界值，所識別的候選項數量可能會過大。

除 Apriori 演算法之外，PrefixSpan 演算法會搜尋完整的型樣集，但會避免建立不需要的候選項。此外，排序項目及字首預測可大幅減少所預測資料庫的大小。這些方法也能導致有效率的處理。