由 L1 生成候选集 C2 的操作，其实在挖频繁项集时挺关键。你可以理解成，用之前的结果组合出新的项集。像{I1, I2}、{I2, I5}这种两两组合，就是 Apriori 里最基础的一步。逻辑不难，核心是穷举+剪枝，搭配频率判断，挺实用的一招。
Apriori 算法的思路其实比较直白：先搞出L1，一路往上迭代出L2、L3。每一轮的候选集（像C2）都从上一轮的频繁项集来组合。效率不算高，但胜在稳定靠谱。
如果你对频繁项集这块感兴趣，下面这几个资料还挺值得翻翻：
- Apriori 频繁项集挖掘算法 —— 基础全，建议先看
- 候选集与频繁项集的生成（PPT） —— 图文清晰，适合快速理解
- FP-Growth 频繁项集挖掘算法 —— 如果你觉得 Apriori 太慢，可以看看这个
- N-list 的频繁项集算法 —— 算是进阶思路，效率还不错
平时做电商推荐、购物篮的时候，还蛮常用这些算法的。如果你要大批量交易数据，可以考虑改用FP-Growth，压缩得更狠，响应也快。
哦对了，Ck和Lk的命名，别搞混了，前者是候选，后者是频繁，逻辑上前置但过滤后才用得上。