关联规则挖掘中的支持度、置信度和提升度是什么？

简化版

关联规则挖掘从交易集合中寻找项集共现关系，核心指标是支持度、置信度和提升度。置信度会被后件基率误导，所以必须结合 lift、最小样本数、时间稳定性和业务可执行性筛选规则。

详细版

• 支持度衡量规则覆盖规模。
• 置信度是出现前件后后件出现的条件频率。
• 提升度把置信度与后件基率比较。
• Apriori 利用频繁项集的向下封闭性剪枝。
• 规则相关不代表前件导致后件。

完整版教学

一、问题定义与核心直觉

一条规则 X→Y 要求 X 与 Y 不相交。先寻找达到最小支持度的频繁项集，再从项集拆出方向规则；若直接枚举所有商品组合，候选数量会随商品数指数增长。

高 confidence 可能只因为 Y 本来就常见。lift=1 表示近似独立，大于 1 才说明正关联，但促销、门店和时间等共同原因仍可能制造伪关联。

二、机制与公式

support(X=>Y)=count(X union Y)/N
confidence=P(Y|X)
lift=P(Y|X)/P(Y)

支持度没有方向性，而 confidence 有方向性；confidence(X→Y) 与 confidence(Y→X) 的分母分别是 support(X) 与 support(Y)。lift 再除以后件基率，因此能识别“高置信度只是因为 Y 本来就常见”的情况。

三、带数字的推演

10,000 个订单中，咖啡 2,000 单、牛奶 5,000 单、两者同时 1,500 单。规则“咖啡→牛奶”的支持度 15%，置信度 75%，提升度 0.75/0.5=1.5，覆盖可观且高于牛奶基率。

若把方向反过来，confidence(牛奶→咖啡)=1500/5000=30%，但 lift 仍为 0.30/0.20=1.5。这说明同一项集的双向规则支持度和 lift 相同，置信度却通常不同。

四、方案对比

方案	优势	代价或边界
Apriori	剪枝逻辑清楚	多轮扫描、候选多
FP-Growth	避免显式枚举候选	树构建与解释较复杂
监督 uplift	更接近增量因果效果	需要实验或处理标签

五、工程执行流程

统一交易窗口与商品层级 -> 删除退款/测试单 -> 挖频繁项集 -> 生成双向规则
-> 按 support/lift/样本数过滤 -> 分门店和月份复验 -> A/B 测试陈列或推荐

筛选出的规则仍只是观察相关。只有当规则要驱动陈列、优惠或推荐时，才通过随机实验评估增量购买、毛利和互相蚕食，避免把共同促销造成的共现误判成因果作用。

六、边界条件与上线代价

把一次长订单拆分或合并会改变所有指标，因此“购物篮”的时间窗口与主体键必须在结果旁明确记录。

海量规则存在多重比较问题；应限制搜索空间、保留留出期，并把真正影响用户的动作交给随机实验验证。

关键判断：支持度看“有多少”，置信度看“给定 X 后 Y 多常见”，提升度看“比 Y 的基率高多少”。

七、常见误区与追问

• 误区：置信度高就代表强关联。 后件基率很高时置信度自然很高。

• 追问：为什么需要最小支持度？ 它控制统计可靠性并减少候选爆炸。

• 误区：X→Y 与 Y→X 指标相同。 支持度相同，但条件概率通常不同。

• 追问：lift 大于 1 能证明因果吗？ 不能，它只描述观察共现。

• 追问：规则太多怎么办？ 按覆盖、提升、稳定性和可执行动作分层筛选。

八、加强记忆

支持度看“有多少”，置信度看“给定 X 后 Y 多常见”，提升度看“比 Y 的基率高多少”。最后一定补充：共现规则需要跨时间验证，业务动作要靠实验确认。