请解释数据挖掘领域中的关联规则概念，并描述 Apriori 算法发现关联规则的具体流程。

回答思路

1. 【回答框架 1】关联规则用于发现数据项集间的蕴含关系，形式为 X→Y，表示包含 X 的事务也倾向于包含 Y，衡量指标有支持度（X∪Y 出现的概率）和置信度（X 出现时 Y 出现的条件概率）。
2. 【回答框架 2】Apriori 算法核心是逐层搜索，先找出所有满足最小支持度的频繁项集，再基于频繁项集生成满足最小置信度的关联规则。
3. 【回答框架 3】频繁项集发现采用先验性质：频繁项集的所有非空子集必为频繁项集，因此可剪枝减少候选集数量。具体步骤包括扫描数据库统计 1-项集支持度、连接生成候选 k+1-项集、剪枝剔除含非频繁子集的项集、重复扫描直至无新频繁项集。
4. 【回答框架 4】生成规则时，对每个频繁项集 l，产出所有非空子集 s，若 s 在 l 中的置信度≥最小置信度则形成规则 s→(l-s)。
5. 【回答框架 5】算法瓶颈在于多次扫描数据库和候选项集数量可能巨大，可结合哈希、事务压缩或采样等优化。
6. 【关键点 1】关联规则由支持度和置信度共同度量，支持度反映规则普遍性，置信度反映可靠性。
7. 【关键点 2】Apriori 利用频繁项集向下封闭性进行剪枝，减少候选集。
8. 【关键点 3】核心流程：扫描找频繁 1-项集，连接生成候选，剪枝，迭代直至不再产生新频繁项集。
9. 【关键点 4】规则生成时需满足最小置信度，且通常关注强规则（同时满足最小支持度和最小置信度）。
10. 【易错点 1】不要将置信度等同为因果性，高置信度不意味着因果关系。
11. 【易错点 2】需区分支持度与置信度计算，避免混淆项集概率和条件概率。
12. 【易错点 3】Apriori 可能产生大量候选集，实际应用中需考虑效率问题。