多等级频繁项集
比如在level 1中牛奶的支持度为0.1，level 2中脱脂牛奶为0.02，非脱脂牛奶为0.06
一般用最小的min-support传递给下一次level来解决
多维度频繁项集
数值关联挖掘
比如年龄与薪水，两个数值型数据同时出现的相关问题的讨论
1、基于预分层级的静态离散分析：数据立方聚合
2、基于数据分布的动态离散分析
3、聚类：每个维度聚类，再相关联
4、偏差分析：性别(女)->薪水(均值$7/hr(两性一共$9/hr))
稀有模式与负模式挖掘
稀有模式：有一些项集支持度非常低(比如买很贵的手表交易在所有订单中)
压缩及低冗余项集挖掘
压缩数据：
低冗余：
