数据挖掘里的关联规则，真的是挺实用的一招。尤其是做用户行为的时候，能帮你找出那些看起来没啥联系，实际却经常一起出现的项目组合。想找点资料？我最近翻到一个 PDF 资源，整理得还挺全的，顺手还贴了几个关联规则相关的文章链接，你可以按图索骥地看。

Apriori 算法的逻辑直白：先找频繁项，再一步步扩展组合。思路简单，落地也不难，适合入门和小规模实验。像那篇Apriori 关联规则挖掘算法，里面把步骤讲得比较清楚，新手也能看明白。

如果你已经熟悉点机器学习的套路，可以看看关联规则挖掘算法那篇，稍微技术点，但里面提到的支持度、置信度这些指标，还蛮有意思。打个比方，你在做商品推荐时，经常买 A 的人是不是也买 B？这就靠这些指标来判断。

另外，关联规则也不错，主要讲怎么在实际数据中找到“有价值”的规则，而不是乱七八糟全扔上去。用错地方，反而会让系统推荐变得迷。

，如果你最近正好在做电商推荐、用户偏好或者日志挖掘，那这个 PDF 资源可以当个参考手册看。如果你已经用过Apriori，还可以继续往 FP-Growth 那一类高阶挖掘方法去拓展。