关联规则挖掘中的支持度与置信度乘积极限四则.docVIP

关联规则挖掘中的支持度与置信度乘积极限四则

一、支持度与置信度的基础内涵

在关联规则挖掘领域，支持度（Support）与置信度（Confidence）是衡量规则有效性的核心指标，二者的乘积则为规则提供了更为综合的量化依据。支持度指的是项集在整个数据集中出现的频率，反映了规则的普遍性；置信度表示在前提项集出现的情况下，结论项集出现的条件概率，体现了规则的可靠性。而支持度与置信度的乘积，可视为对规则“普遍可靠性”的综合度量，其极限情况的分析对于优化关联规则挖掘算法、提升规则筛选效率具有重要意义。

（一）支持度的数学表达与意义

支持度的计算公式为：$Support(X\rightarrowY)=P(X\cupY)$，其中$X$和$Y$分别代表规则的前提项集和结论项集，$P(X\cupY)$表示$X$与$Y$的并集在数据集中出现的概率。例如，在超市购物篮数据中，若牛奶和面包同时出现在1000笔交易中的300笔，那么规则“牛奶→面包”的支持度即为$300/1000=0.3$。支持度的取值范围为$[0,1]$，值越高说明规则所涉及的项集在数据集中越常见，规则的适用范围越广。

（二）置信度的数学表达与意义

置信度的计算公式为：$Confidence(X\rightarrowY)=P(Y|X)=\frac{P(X\cupY)}{P(X)}$，其中$P(Y|X)$