甚麼是關聯規則學習Association rule learning?
關聯規則學習是一種無監督式的一種機器學習，他會檢查數據對其他數據的關聯性、依賴性，目的是在大型資料庫中，用不同的規則及有趣的量度來發現data間關西的一種機器學習。

關連規則學習應用的範圍主要包括：

購物籃分析
web使用發掘
連續生產

例子
這邊舉一個關聯規則學習中最著名的購物籃例子：
關聯規則學習會記錄大數據中的產品交易資料，當有消費者買了麵包，他可以推算出這種消費者也可能購買果醬、奶油、巧克力醬，有了這些演算，店家會把這些食材放在附近的層架，以此促銷。

關聯規則學習可以分成三種：

1.Apriori(先驗算法)
使用頻繁的數據集來生成關聯規則，用於處理各種事物的數據庫，主要用於購物籃分析，可以了解相關聯性高的商品們。

2.Eclat算法
Elact算代表等價類轉換，這個算法會在大數據庫中找頻繁出現的data，執行速度比Apriori快。

3.F-P Growth Algorithm(FP增長算法)
FP是Frequent Pattern的縮寫，是Apriori算法的改進版本

相關應用：

醫學診斷：借助關聯規則，可助於確定特定疾病的患病概率。
蛋白質序列：確立人工蛋白質的合成。
目錄設計或損失分析以及更多其他應用程序。

資料來源：
https://www.javatpoint.com/association-rule-learning

https://zh.wikipedia.org/zh-tw/%E5%85%B3%E8%81%94%E8%A7%84%E5%88%99%E5%AD%A6%E4%B9%A0