多层关联规则里的冗余问题，挺让人头疼的，尤其是在数据量大的时候。冗余过滤就是个不错的工具，能帮你把“祖先关系”导致的重复规则过滤掉，逻辑清爽不少。用在那种需要分层挖掘的场景，比如商品分类、用户行为，效果还蛮的。

多层结构的数据，比如商品分“食品-零食-饼干”这几级，多时候你会挖出一堆类似的规则。其实上层已经有了，下层再出来一条，就是冗余。靠人工一个个过？太费劲。用这个过滤方案，效率高不少。

Apriori这种算法你肯定用过吧？配合这类过滤机制一起用，能大大提升输出规则的质量。不只是多，更重要的是准。有些规则看着热闹，其实一点价值都没有，这一步能帮你把水分滤掉。

顺带一提，想深入挖的话，可以看看《挖掘多层关联规则》这篇文章，讲得比较细，还有算法原理的。喜欢上手实操的，也别错过WEKA 教程，一步步带你跑起来。

如果你最近在做电商推荐、社交网络、或者行为轨迹建模这类活儿，强烈建议加上这层过滤逻辑，跑出来的结果更靠谱，老板看了也顺眼多了。