关联分类是数据挖掘及机器学习领域的一个研究热点。利用原子关联分类算法（CAAR）建立了数据模型的机器学习系统，详细说明了CAAR 算法的分类步骤并给出了算法的伪代码表示。在UCI 提供的标准数据集上进行测试，实验验证了在大规模数据集中，在不同的抽样率情况下，原子关联分类算法的分类准确度，用数据的方式与其他分类算法做了比较。对数据集记录次序的依赖性进行的10-折交叉验证实验表明，原子关联分类算法的分类准确度要高于CBA 算法。