【数据挖掘笔记】兴趣度度量Interest of an association rule

        在数据挖掘中，关联规则挖掘是一个重要的任务。兴趣度度量是评估关联规则的重要指标，以下是三个常用的兴趣度度量：支持度、置信度和提升度。

支持度（Support）

计算方法

支持度表示包含项集的事务占总事务的比例，用于衡量项集的普遍性。其计算公式为：

 

对于关联规则 X→Y，其支持度计算公式为

含义及理解

        支持度反映了项集或关联规则在整个数据集中的出现频率，用于衡量实用性，简单来说就是出现的越频繁，说明越实用。就好比明星粉丝越多，说明他在群众中收到的支持就越大，有一天他逃难收到的帮助可能性就越大。

置信度（Confidence）

计算方法

        置信度表示在包含前项 X 的事务中，同时包含后项 Y 的比例，用于衡量关联规则的可靠性。其计算公式为：

含义及理解

置信度反映了关联规则的可信程度。本质上是条件概率，满足条件下得到结果的可靠性。

提升度（Lift）

计算方法

        提升度表示关联规则中前项和后项之间的关联强度，用于衡量关联规则的关联性。其计算公式为：

含义及理解

        提升度反映了关联规则中前项和后项之间的关联程度。但是很显然这太抽象了，有没有更通俗易懂的理解呢主包？有的！比如你买茶和咖啡，买茶后买咖啡的概率是0.75，但是单独买咖啡的概率是0.9，提升度就小于1，因为大家本来就爱买咖啡，但是买茶之后买咖啡的人数比例还减少了，说明喝茶的人中有一部分人发现了喝咖啡不健康，所以那部分人少了，所以买茶人群中的买咖啡比例才会从0.9减少到了0.75。

• 如果提升度大于1，说明前项和后项之间存在正关联，即前项的出现会增加后项出现的可能性；
• 如果提升度小于1，说明前项和后项之间存在负关联，即前项的出现会降低后项出现的可能性；
• 如果提升度等于1，说明前项和后项之间相互独立，没有关联。