apriori算法是一种最有影响力的挖掘布尔关联规则的很频繁项集的算法，它是由rakeshagrawal和ramakrishnanskrikant做出的。它在用一种称作逐层搜索的迭代方法，k-项集作用于探索它（k1）-项集。简单的方法，找出频繁1-项集的集合。该数学集合记作l1。l1作用于找不稳定2-项集的集合l2，而l2用于找l2，如此继续，等到不能不能找不到k-项集。每找一个lk必须三次数据库扫描。为能提高频繁项集逐层才能产生的效率，一种称作apriori性质的重要性质主要用于压缩搜索空间。其运行定理只是相对而言一是过度项集的所有非空子集都前提是又是很频繁的，二是非正常项集的所有父集全是非过度的。
预期roi的算法是
投资回报率（roi）年利润或年增幅利润/投资总额×100%，从公式很难看出，roi计算公式等于收益/投资×100%，也可以roi（成本减低收入增长）/总成本。
投资回报率（roi）年利润或年你算算利润/投资总额×100%。
1、投资回报率（roi）（扣税年利润/投资总额）*100%。是指企业从一项投资性商业活动的投资中换取的经济回报，是衡量能力一个企业盈利状况所在用的比率，也是绝对标准一个企业经营效果和效率的一项大型综合性的指标。
2、投资回报率(roi)是指是从投资而应前往的价值，即企业从一项投资活动中能够得到的经济回报，它涵盖了企业的获利目标，利润和投入经营所具备的财产相关，毕竟管理人员前提是按照投资和超过财产完成任务利润，投资可分成三类实业投资和金融投资两大类，人们以往说的的金融投资通常是指证券投资。
3、平均利润是指以预先支付资本大小按换算下来利润率换算归每个生产部门资本家所获得的利润，换算下来利润是相同部门的资本家，据资本的大小按照总平均利润率额外的利润，你算算利润始终是剩余价值的转化形式。
其算法应该是随机性和假设性。
随机性是依据正确数据直接出现概率去必掉所选抽样数据，据大数定律。
随机性模拟真实是可以另一种得到真确结果。
举例性是题中筛选出的抽样数据是对的数据，然后再用这些真确数据是从问题不满足的模型，去换算其他点，后再对接下来结果通过一个评分。
