別看這幾個公式不起眼，資料分析倒是用的很普遍，所以最好記住啊，記不住也沒關係，我都總結好了
一般使用三個指標來度量乙個關聯規則，根據這三個指標可以篩選出滿足條件的關聯規則。
這三個指標是：sup
port
（支援度
）support（支援度）
suppor
t（支援
度）、c on
fide
nce（
置信度）
confidence（置信度）
confid
ence
（置信度
）、lift
（提公升度
）lift（提公升度）
lift（提
公升度）。
以x ，y
x，yx，
y這個關聯規則為例來說明：
先驗前提：x，y
x，yx，
y表示為商品，現有一商場，統計一天內的訂單小票。
表示同時購買x、y
x、yx、
y的訂單數佔總訂單數（研究關聯規則的「長表」中的所有購買的產品的訂單數）的比例。如果用p(x
)p(x)
p(x)
表示購買x
xx的訂單比例，其他產品類推，那麼
s up
port
(x,y
)=p(
x,y)
p(al
l)=同
時購買的
訂單數總
訂單
數support(x,y) = \frac=\frac的訂單數}
suppor
t(x,
y)=p
(all
)p(x
,y)
=總訂單
數同時購
買的訂單
數表示購買x
xx的訂單中同時購買y
yy的比例，即同時購買x
xx和y
yy的訂單數佔購買x
xx的訂單的比例。公式表達：
c on
fide
nce(
x−
>y)
=p(y
/x)=
p(x,
y)p(
x)=同
時購買的
訂單數購
買x的訂
單數
confidence(x->y) =p(y/x) =\frac=\frac的訂單數}
confid
ence
(x−>y)
=p(y
/x)=
p(x)
p(x,
y)=
購買x的
訂單數同
時購買的
訂單數co
nfid
ence
(y
−>x)
=p(x
/y)=
p(x,
y)p(
y)=同
時購買的
訂單數購
買y的訂
單數
confidence(y->x) =p(x/y) =\frac=\frac的訂單數}
confid
ence
(y−>x)
=p(x
/y)=
p(y)
p(x,
y)=
購買y的
訂單數同
時購買的
訂單數
l if
t(x−
>y)
=p(x
,y)p
(x)p
(y)=
p(y/
x)p(
y)=同
時購買的
訂單數×
總訂單數
購買x的
訂單數×
購買y的
訂單
數lift(x->y) =\frac =\frac=\frac的訂單數\times總訂單數}
lift(x
−>y)
=p(x
)p(y
)p(x
,y)
=p(y
)p(y
/x)
=購買x
的訂單數
×購買y
的訂單數
同時購買
的訂單數
×總訂單
數
計算**見：
關聯分析中的支援度 置信度和提公升度
自 1.支援度 support 支援度表示項集在總項集裡出現的概率。公式為 support x y p x,y p i p x y p i num xuy num i 其中，i表示總事務集。num 表示求事務集裡特定項集出現的次數。比如，num i 表示總事務集的個數 num x y 表示含有的事務...
關聯分析中的支援度 置信度和提公升度
1.支援度 support 支援度表示項集在總項集裡出現的概率。公式為 support x y p x,y p i p x y p i num xuy num i 其中，i表示總事務集。num 表示求事務集裡特定項集出現的次數。比如，num i 表示總事務集的個數 num x y 表示含有的事務集的...
R關聯規則演算法（支援度 自信度 提公升度）
用於大量資料中挖掘出有價值的資料項之間的相關關係 常用於使用者購物籃分析，使用它來發現顧客的購買習慣 兩個不相交的非空集合x y,如果有x y,就說x y是一條關聯規則。關聯規則的強度用支援度 support 和自信度 confidence 來描述，關聯規則是否可用，使用提公升度 lift 來描述。...