2) 基于规则中数据的抽象层次，可以分为单层关联规则和多层关联规则。
在单层关联规则中，所有的变量都没有考虑到现实的数据是具有多个不同的层次的。
在多层关联规则中，对数据的多层性已经进行了充分的考虑。
3) 基于规则中涉及到的数据的维数，关联规则可以分为单维的和多维的。
在单维关联规则中，我们只涉及到数据的一个维，如用户购买的物品
在多维关联规则中，要处理的数据将会涉及多个维。
4 算法综述
4.1 经典的频集算法
Agrawal等于1994年提出了一个挖掘顾客交易数据库中项集间的关联规则的重要方法 [AS94a, AS94b]，其核心是基于两阶段频集思想的递推算法。该关联规则在分类上属于单维、单层、布尔关联规则。
所有支持度大于最小支持度的项集称为频繁项集，简称频集。
4.1.1 算法的基本思想
首先找出所有的频集，这些项集出现的频繁性至少和预定义的最小支持度一样。然后由频集产生强关联规则，这些规则必须满足最小支持度和最小可信度。
挖掘关联规则的总体性能由第一步决定，第二步相对容易实现。
4.1.2 Apriori核心算法分析
为了生成所有频集，使用了递推的方法。其核心思想简要描述如下：
(1) L1 = {large 1-itemsets};
(2) for (k=2; Lk-1¹F; k++) do begin
(3) Ck=apriori-gen(Lk-1); //新的候选集
(4) for all transactions tÎD do begin
(5) Ct=subset(Ck,t); //事务t中包含的候选集
(6) for all candidates cÎ Ct do
(7) c.count++;
(8) end
(9) Lk={cÎ Ck |c.count³minsup}
(10) end
(11) Answer=∪kLk;
首先产生频繁1-项集L1，然后是频繁2-项集L2，直到有某个r值使得Lr为空，这时算法停止。这里在第k次循环中，过程先产生候选k-项集的集合Ck，Ck中的每一个项集是对两个只有一个项不同的属于Lk-1的频集做一个(k-2)-连接来产生的。Ck中的项集是用来产生频集的候选集，最后的频集Lk必须是Ck的一个子集。Ck中的每个元素需在交易数据库中进行验证来决定其是否加入Lk，这里的验证过程是算法性能的一个瓶颈。这个方法要求多次扫描可能很大的交易数据库，即如果频集最多包含10个项，那么就需要扫描交易数据库10遍，这需要很大的I/O负载。
