《Data Mining》学习——关联规则挖掘的模式评估方法

关联规则

大部分关联规则挖掘最终得出的是支持度与置信度。但是“强”关联规则不一定是正确的，这是因为这件事务的支持度可能大于与某项事物的置信度。

从关联分析到相关分析

我们对关联规则进行扩充得到，支持度，置信度，相关性称之为相关规则
相关性的表示：

1. 提升度：
   $lift(A,B)=conf(A=>B)/sup(B)$
2. 卡方
   $X^2=\frac{观测值-期望值}{期望值}$

3. 全置信度
   $all\_conf（A,B）=min\{P(A|B),P(B|A)\}$

4. 最大置信度
   $max\_conf（A,B）=max\{P(A|B),P(B|A)\}$

5. Kulc度量
   $Kulc（A,B）=max\{P(A|B),P(B|A)\}$
6. 余弦度量
   $cosine（A,B）=\sqrt{P(A|B),P(B|A)}$