首先重申一下Apriori演算法的兩個條件，頻繁意思就是計數大於自定義支援度閾值：

任何頻繁項集的非空子集都是頻繁的；任何非頻繁項集的超集都是非頻繁的；

1.輸入：T-交易集，ϵ-自定義支援度閾值；

2.L1是一項頻繁項集，large1-itemsets具體是指交易集裡所有數量大於ϵ的項的集合，是數字1，是分隔符，itemsets是對T裡出現的所有單項交易的統計；

3.L1已初始化，意即單項頻繁項集已找出，接下來要找二項頻繁項集，故k初始化為2；

4.注意在while迴圈中，Lk-1是從L1開始的（因為k被初始化為2），L1不是空集，之後如你所說k<-k+1，逐次累加找到包含項數更多的關聯規則，Lk中儲存的就是關聯規則，關聯規則的形式是k-項集；

5.在此Ck可以理解為儲存關聯規則的中間變數，裡面儲存的是k-項集的所有可能，但未經篩選，不一定所有的k項集計數都大於ϵ。

{ aUb | a∈Lk-1 ∩ b∉a }，a是Lk-1的某一元素（即某一k-1項集），b是一項頻繁集。意思是對Lk-1裡的k-1頻繁項集進行擴充套件，但必須滿足b不屬於a，舉個例子，a={A,B,C}，b={D}，此時{aUb|a∈Lk-1∩b∉a}={A,B,C,D}，但如果b={B}，則對{aUb|a∈Lk-1∩b∉a}不滿足b∉a，所以這一步就不會執行；{ c | {s | s⊆c ∩ |s|=k-1} ⫋ Lk-1 }，c可以看作是Lk-1的補集（這樣說不嚴謹，純粹是為了便於題主理解），裡面儲存的是非頻繁項集，根據條件我們知道任何非頻繁項集的超集都是非頻繁的，所以要減去這些項；{ aUb | a∈Lk-1 ∩ b∉a } - { c | {s | s⊆c ∩ |s|=k-1} ⫋ Lk-1 }就是得到一個裡面全是頻繁項集的k-項集集合，命名為Ck。中間的是減號；

6.Ct <- {c | c∈Ck ∩ c⊆t}，符號 ∩ 是取交集的意思。對於Ck中的所有k-項集，如果在T中存在（有些項集由演算法組合生成，實際資料集T中未必存在），則將這些項集放到一個新的容器Ct中；

7.是計算Ct中所有k-項集的頻次；

8.Lk儲存的是所有頻繁k-項集且計數頻次大於ϵ，也就是我們要得到的關聯規則；

9.U Lk返回的是{L1，L2，……Lk}所有k-項集集合，k最終停止在哪個值取決於交易集T和ϵ；