6.3.4.1　TDA算法主要具优点

（1）能够对数据库进行删减，节约存储空间。

（2）算法效率高。

（3）支持并行运算，能够进一步提高算法的效率。

虽然TDA关联规则算法跟Apriori算法相比，在时间以及空间上进行了很大的优化，特别是TDA并行关联规则挖掘算法，理想的情况下效率能够提升数倍。(www.daowen.com)

6.3.4.2　TDA算法的缺点

（1）TDA需要一次预处理，对数据库进行转化，是一个较为耗时的工作。

（2）TDA算法仍未考虑到数据的关注度。

如超市数据中同时存在｛“铂金钻戒”，“高级香水”｝以及｛“牛奶”，“面包”｝，很明显规则｛“铂金钻戒”，“高级香水”｝的支持度明显大大的低于｛“牛奶”，“面包”｝，由于｛“铂金钻戒”，“高级香水”｝给用户带来的价值明显高于｛“牛奶”，“面包”｝，为了挖掘出｛“铂金钻戒”，“高级香水”｝，只能将最小支持阈值降的很低，这样就会出现两个问题：一个是由于小支持阂值很低，频繁项集的数量会以级数增长，对如此大数量的项集进行剪枝与计数是非常耗时的事情；一个是由于小支持阈值很低，频繁项集的数量会以级数增长，虽然用户需要的规则挖掘出来了，但同时也出现在更多的用户不需要的规则，且用户不需要的规则远远比用户需要的规则多得多。