Apriori एल्गोरिथ्म की कम्प्यूटेशनल जटिलता निम्नलिखित कारकों से प्रभावित हो सकती है जो इस प्रकार हैं -
समर्थन सीमा - समर्थन सीमा को कम करने से उच्च आइटमसेट को बार-बार कहा जाता है। इसका एल्गोरिथम की कम्प्यूटेशनल जटिलता पर प्रतिकूल प्रभाव पड़ता है क्योंकि उच्च उम्मीदवार आइटमसेट का उत्पादन और गणना की जानी चाहिए।
लगातार आइटमसेट का अधिकतम आकार कम समर्थन थ्रेसहोल्ड के साथ सुधार करने के लिए भी प्रभावित करता है। जैसे-जैसे बार-बार होने वाले आइटमसेट के अधिकतम आकार में सुधार होता है, डेटा सेट पर अधिक पास बनाने के लिए एल्गोरिथम की आवश्यकता होगी।
आइटम की संख्या (आयाम) - जैसे-जैसे कई मदों की संख्या बढ़ती है, मदों की समर्थन संख्या को बचाने के लिए अधिक स्थान की आवश्यकता होगी। यदि डेटा की आयामीता के साथ कई बार-बार आने वाले आइटम भी बढ़ते हैं, तो एल्गोरिथम द्वारा उत्पादित उम्मीदवार आइटमसेट की अधिक संख्या के कारण गणना और I/O मान बढ़ जाएंगे।
लेन-देन की संख्या - एप्रीओरी के कारण, एल्गोरिथ्म डेटासेट पर बार-बार पास बनाता है, इसका रन टाइम अधिक लेनदेन के साथ बढ़ता है।
औसत लेन-देन की चौड़ाई - घने डेटा सेट के लिए, औसत लेन-देन की चौड़ाई अधिक हो सकती है। यह एप्रीओरी एल्गोरिथम की जटिलता को दो तरीकों से प्रभावित करता है जैसे कि औसत लेनदेन की चौड़ाई बढ़ने पर लगातार आइटमसेट का अधिकतम आकार बढ़ने के लिए प्रभावित होता है। लेन-देन की चौड़ाई बढ़ जाती है, लेन-देन में उच्च आइटम शामिल होते हैं। यह समर्थन गणना के दौरान लागू किए गए कई हैश ट्री ट्रैवर्सल को बढ़ाएगा।
लगातार एल-आइटम सेट बनाना - प्रत्येक लेन-देन के लिए, लेन-देन में मौजूद प्रत्येक आइटम के लिए समर्थन संख्या को अद्यतन करना आवश्यक है। यह देखते हुए कि w औसत लेन-देन की चौड़ाई है, इस ऑपरेशन को O(Nw) समय की आवश्यकता है, जहां N लेनदेन की कुल संख्या है।
उम्मीदवार पीढ़ी - यह उम्मीदवार के-आइटम सेट बना सकता है, बारंबार (के -1) के जोड़े - आइटमसेट को यह तय करने के लिए जोड़ा जाता है कि क्या उनमें न्यूनतम के - 2 आइटम समान हैं। प्रत्येक संयोजन ऑपरेशन को अधिकतम k - 2 समानता तुलनाओं की आवश्यकता होती है। सर्वोत्तम स्थिति में, प्रत्येक संयोजन चरण एक व्यवहार्य उम्मीदवार k-आइटमसेट बनाता है।
सबसे खराब स्थिति में, एल्गोरिथम को पूर्व पुनरावृत्ति में पाए जाने वाले लगातार (के -1) -आइटमसेट की प्रत्येक जोड़ी को जोड़ना चाहिए। इसलिए, लगातार आइटम्स को मर्ज करने की पूरी लागत है
$$\mathrm{\displaystyle\sum\limits_{k=2}^w\:(k-2)|C_{k}|<\:Cost\:of\:merging\:<\displaystyle\sum\limits_ {k=2}^w\:(k-2)|F_{k}-1|^2}$$
उम्मीदवार आइटम सेट को बचाने के लिए उम्मीदवार पीढ़ी के दौरान एक हैश ट्री भी बनाया जाता है। ट्री की अधिकतम गहराई k होने के कारण, हैश ट्री को उम्मीदवार आइटमसेट से भरने की लागत O($\mathrm{\displaystyle\sum\limits_{k=2}^w\:k|C_{k}| }$)।
उम्मीदवार की छंटाई के दौरान, यह जांचना आवश्यक है कि प्रत्येक उम्मीदवार k-आइटमसेट के k-2 उपसमुच्चय अक्सर होते हैं। क्योंकि हैश ट्री में एक उम्मीदवार को देखने की लागत O (k) है, उम्मीदवार को प्रूनिंग चरण की आवश्यकता है O($\mathrm{\displaystyle\sum\limits_{k=2}^w\:k|C_{k} |}$) समय।