关联分析是在交易数据、关系数据或其他信息载体中，查找存在于项目或对象集合之间的频繁模式、关联、相关性或因果结构。
Apriori 算法是挖掘产生布尔关联规则所需频繁项集的基本算法，它使用一种称作逐层搜索的迭代方法，k 项集用于探索 k+1 项集。
FP-growth 算法通过两次扫描事务数据库，把每个事务所包含的频繁项目按其支持度降序压缩存储到 FP—tree 中，这样在以后发现频繁模式的过程中，不需要再扫描事务数据库，仅在 FP-Tree 中进行查找即可。
关联规则学习是一种在大型数据库中发现变量之间的有趣性关系的方法，它的目的是利用一些有趣性的量度来识别数据库中发现的强规则。