因此，一个最近的问题 ，我注意到相当清凉的先验算法 。 我可以看到为什么它的工作原理，但什么我不知道的是实际应用。 大概是为了计算相关项目集的主要原因是为了能够基于自己的购买（或自备物品，等等）的人提供建议。 但是你如何从一组相关的项目集合个人建议去？
维基百科的文章整理：
第二个问题是生成从最小的信心，制约这些大项目集关联规则。 假设大项集的一个是路，LK = {I1，I2，...，益}，与此相关联项集在下面的方式生成的规则：第一个规则是{I1，I2，...，益1}⇒{益}，通过检查该规则可以被确定为有趣的或不信任。 然后其他的规则被删除最后一个项目的前提和其插入到随之而来的，进一步的新规则的置信度检查，以确定他们的兴趣产生。 这些进程重复直到前因变空
我不知道该关联规则组如何帮助确定建议的最佳设置要么，虽然。 也许我错过了点，先验不适用于这一用途？ 在这种情况下，它是什么打算？
因此，先验算法不再是艺术的市场购物篮分析 （又名状态关联规则挖掘 ）。 该技术已得到改善，但先验原则（即一个子集上界的支持集的支持）仍然是一个推动力。
在任何情况下，双向关联规则是用来生成建议是，给予一定的历史项集，我们可以检查每个规则的antecedant以查看是否包含在历史。 如果是这样，那么我们可以推荐规则的结果（其中随之而来的是已经包含在历史，当然消除的情况下）。
我们可以用不同的指标来排名我们的建议，因为有规则的大量比较它们的历史时，我们可以有很多的点击，我们只能做建议的数量有限。 一些有用的指标是一个规则的支持 （这是同为支撑的antecedant和consequant的联盟），规则（该规则在支撑antecedant的支持）的信心 ，以及提升的规则（该规则在支撑antecedant和随之而来的产品的支持），等等。
如果您想了解如何先验可用于分类的一些细节，你不需经过了解CBA的算法论文：
刘兵，许怀恩，亦名马“集成分类和关联规则挖掘。” 第四次国际会议上的知识发现和数据挖掘（KDD-98，大会报告），美国纽约，1998年的论文集
