关于apriori算法中置信度、支持度怎么理解的问题

比如说啤酒和尿布的问题：

 

TID是transaction ID 即交易编号，说白了就是有五个人在超市买了这样的东西（Iteams），现在我们统计一下，大家买的东西之间有没有什么规律，比如买面包的是不是很可能同时买牛奶这样的规律。

那问题来了，有啥东西去度量面包与牛奶有没有关系以及啤酒喝尿布有没有关系？有很多，这里只说置信度和支持度：

支持度：

 

这是啥？答：support的首字母S支持度，是规则：{Milk, Diaper}→{Beer}的支持度（规则是神马？就是比如说买了Milk和Diaper的人会不会买Beer），所以支持度分母是这三个都买的人数，分子是买东西的总人数。

仔细想想是不是合理这样定义？：假如这个支持度越大，说明同时买这三个东西的人多，说明这三者之间有关系！对吧？很容易理解。但是！！！！！！！！！！！！！！！！！只用这一个可靠吗？再这样想一下，交易量特别大的时候，假如有一万个人买东西，只有10个人同时买了Milk、Diaper、Beer，但其他9990个人没有买这三者中的任何一个，那么此时S=10/10000=0.001，

是不是特别小？如果仅从这个0.001看，这三者之间没有任何关系，但是事实却不是这样，因为只有十个人这样买，并且同时买了这三种东西，所以他们之间应该是由关系的，而不是偶然。

 

置信度：

为了解决上面问题，再加一个置信度概念。Confidence。根据表格计算置信度如下：

 

这是啥？和S支持度比较只有分母变了，变成了买了Milk和Diaper两种东西的人，这个式子是说买了Milk和Diaper两种东西的人里面又有多少人买了Beer这个东西！

 

 

》》》》》》》》》》》》》》》》》》你先缓缓这个式子》》》》》》》》》》》》》》》》》》》》》》》》》》》》》

 

 

那这个式子怎么就解决上面的问题了呢？还是那一万个人的情况下，此时c=10/10=100%!!!!!!!!!!!, 明白了吗，只有十个人买了Milk和Diaper两种东西，但是这十个人又都买了Beer！，所以这个值为100%，因此他能衡量一部分关联规则。

 

又有人问了，只用置信度行吗？很明显不行啊！！！比如1万个人，只有一个人买了Milk和Diaper两种东西，并且顺手买了一瓶Beer，那么此时c=1/1=100%，很大，但是很明显就这一个交易不能说明三者之间有关系啊。这时候S=1/10000=0.0001，特别的小！！！！

 

所以正确的有关联的判定是：置信度和支持度都应该比较大才可以认为这些东西之间有关联！