简述关联规则挖掘算法采用的策略

关联规则挖掘算法采用的策略主要有两种：

1. Apriori算法：Apriori算法采用了先验知识的思想，即如果某个项集是频繁项集，那么它的子集也一定是频繁项集。Apriori算法分为两个步骤：第一步是生成所有的频繁一项集，第二步是利用频繁一项集生成频繁二项集，然后利用频繁二项集生成频繁三项集，以此类推，直到不能再生成为止。

2. FP-growth算法：FP-growth算法采用了频繁模式树的思想，将数据集压缩成一棵树，然后通过遍历树的方式挖掘频繁项集。FP-growth算法分为两个步骤：第一步是构建频繁模式树，第二步是从频繁模式树中挖掘频繁项集。

这两种算法都是基于频繁项集的思想，通过不断扩展频繁项集的大小，挖掘出更多的关联规则。而Apriori算法是基于候选项集的迭代搜索，需要多次扫描数据集，因此效率较低；FP-growth算法则是基于树的结构，可以高效地挖掘频繁项集，因此效率较高。