5.1. Kết luận
Mục đích chính của thuật toán là tìm ra các mối quan hệ giữa các đối tượng trong khối lượng lớn dữ liệu. Tăng hiệu quả trong việc lên kế hoạch và ra quyết định.
Tạo ra các hệ thống dự báo, cảnh báo các khả năng xảy ra sự cố theo thời gian hoặt theo độ lớn dữ liệu. Ví dụ: dự báo hàng hóa theo mùa, đưa ra quyết định khi hàng hóa vượt quá nhu cầu tiêu dùng …
5.2. Hướng phát triển
Ngày nay, với sự phát triển mạnh mẽ của công nghệ thông tin mang lại nhiều ứng dụng vào đời sống con người, nâng cao chất lượng dịch vụ cũng như điều kiện sống cho nhân loại. Cùng với những tiện lợi ấy, nhu cầu số hóa và lưu trữ dự liệu cũng vô cùng quan trọng. Tuy nhiên, xử lý dữ liệu lớn đòi hỏi thời gian và chi phí vô cùng lớn, đây là trở ngại rất lớn trong việc phát triển các công nghệ về sau.
Tuy nhiên, với sự phát triển của Data Minning, làm việc trên dữ liệu lớn trở nên dễ dàng hơn, không những thế nó còn mang lại nhiều thách thức với các nhà khoa học. Không chỉ đơn thuần cải thiện các giải thuật và tăng tốc khi thực hiện các giải thuật để phù hợp với dữ liệu lớn, Data Minning tìm ra qui luật phân bố dữ liệu cũng như mối quan hệ giữ các dữ liệu được phân bố.
Luất kết hợp chỉ là một trong những giải thuật của Data Minning, và Apriori cũng chỉ là một trong các thuật toán của luật kết hợp. Với nhu cầu ngày càng cao về phân tích dữ liệu, luật kết hợp cũng sẽ ngày càng thích hợp với dữ liệu để càng ngày càng đưa ra các luật chính xác hơn, hiệu quả hơn nhằm khai thác hiệu quả hơn nữa khối dữ liệu ngày càng tăng trong tương lai.