关联规则分析或者关联规则学习主要用于从大规模数据中寻找物品之间隐含的或者可能存在的联系，从而实现某种意义上的预测。

规则学习主要有两种学习方式，发现学习和（　）。 发现关联规则的算法通常要经过以下三个步骤：连接数据，作数据准备；给定（）和（），利用数据挖掘工具提供的算法发现关联规则；可视化显示、理解、评估关联规则。 什么是关联规则？关联规则的应用有哪些？ 同时满足和的关联规则称为强关联规则（） 什么是关联规则？关联规则的应用有哪些 大数据分析四个方面的工作主要是：数据分类、（ ）、关联规则挖掘和时间序列预测。 只要满足最大置信度的关联规则就是关联规则 只要满足最大置信度的关联规则就是关联规则 规则学习有两种形式，即（）和（）。 关联规则 根据关联分析中所涉及的抽象层，可以将关联规则分类为（）。 根据关联分析中所处理的值类型，可以将关联规则分类为（）。 关联规则可以用于以下哪些场景（） 某型计算机峰值性能为千亿次/秒,主要用于大型科学与工程计算和大规模数据处理,它属于（） 关联规则的分类有哪些？关联规则挖掘的步骤包括什么？ 关联规则的分类有哪些？关联规则挖掘的步骤包括什么 某型计算机峰值性能为数千亿次/秒，主要用于大型科学与工程计算和大规模数据处理，它属于 从逻辑层面看，在小学数学运算规则学习中，主要包含“运算法则”、“运算性质”和（）等一些内容。 在新一代调度控制系统中，支持大规模数据的分布式计算，适用于数据分析、数据挖掘、数据搜索等业务（） 大型数据库中的关联规则挖掘包含两个过程（）和（）