【摘要】随着科学技术的不断创新与发展，数据的种类变得越来越多样化，数据的维度也呈显著的增长趋势。 传统模式下的机器 学习算法已无法满足有限周期内完成要解决任务的要求，因此，本文提出了一种基于 Ｈａｄｏｏｐ 的数量关联规则的数据挖掘算法。 首先 该算法运用分布式计算系统（ＭａｐＲｅｄｕｃｅ）计算模式，对系统内数据进行多模块划分，其次利用数量参数间的关联规则挖掘有效数据， 并将挖掘后的有效数据进行合并归类，以此获得频繁参量集。 最后通过测试实验可知，优化后的算法在运算时间、运算效率等方面均 优于传统算法，使其在一定程度上有效解决传统 Ａｐｒｉｏｒｉ 算法效率低的问题。