数据挖掘课程设计Apriori与FP-Growth项目练习

频繁模式挖掘的项目练习，适合想把 Apriori 和 FP-Growth 这两大经典算法摸透的你。资源用的是 UCI 的 Slice 数据集，挺实用，数据不大，调试方便。你可以自己设定支持度、置信度这些参数，边调边跑效果。代码可以用你熟的语言来写，像Java或者Python都行。

实现上重点就两个：一个是 Apriori，另一个是 FP-Growth。要是你之前只接触过 Apriori，那推荐你也试试 FP-Growth，结构紧凑，效率也高。你可以参考一下这篇FP-Growth 与 Apriori 比较，对上手挺有的。

项目要求你在 UCI 的 Slice 数据上验证算法效果，但其实你要是手头有业务数据，也可以用上。只要能数据的来源和结构，老师一般都认。像你在用户行为、症状联动这类场景上，就适合用 Apriori。顺便推荐一篇案例文章挖掘疾病症状关联规则，逻辑挺清晰。

输出的频繁项集和关联规则建议你保存成.csv或者直接在控制台打印，方便复查。实验代码也要整洁，注释别太吝啬，不然回头自己都看不懂。提醒一下：运行 FP-Growth 时注意树结构别写复杂了，递归深了容易卡。