项的集合称为项集。包含k个项的项集称为k-项集。项集的出项频率是包含项集的数据条目数，简称为项集的频率，支持度计数或计数。支持度是指某个集合在所有数据中出现的频率，如果项集的支持度满足预定义的最小支持度阈值，则该项集是频繁项集。

频繁项集挖掘是关联规则、相关性分析、因果关系、序列项集、局部周期性、情节片段等许多重要数据挖掘任务的基础。因此，频繁项集有着很广泛的应用，例如：购物篮数据分析、网页预取、交叉购物、个性化网站、网络入侵检测等。经典的频繁项集挖掘算法有Apriori算法和FP-growth算法。

在Apriori算法中，用到了频繁项集的先验原理：频繁项集的非空子集都必须是频繁的。Apriori算法的步骤可概括为以下两步：

第一步：设定支持度阈值，扫描一遍数据集，找出频繁1-项集。

第二步：从频繁1-项集中生成候选2-项集，然后再次扫描数据集，找出频繁2-项集。以此类推，依据频繁k-项集生成候选k+1-项集，然后扫描数据集，找出k+1-项频繁项集，直到无法再生成频繁项集。