挖掘频繁模、关联和相关性（3）

模式评估方法

强规则不一定是有趣的

上面的例子虽然是强规则，然而，是一种规则误导，因为购买录像的概率是75%，比66%还高。事实上，计算机游戏和录像是负相关的，因为买一种实际上降低了买另一种的可能性。

从关联分析到相关分析

支持度和置信度度量不足以过滤掉无趣的关联规则。为了处理这个问题，可以使用相关性度量来扩充关联规则的支持度-置信度框架。这导致如下形式的相关规则(correlation rule)

$A\Rightarrow B[support,confidence,correlation]$

也就是说，相关规则不仅用支持度和置信度度量，而且还用项集A和B之间的相关性度量。

提升度：项集A的出现独立于项集B的出现，如果$P(A\bigcup B)=P(A)P(B)$；否则，作为事件，项集A和B是依赖的(dependent)和相关的(correlated).

$lift(A,B)=\frac{P(A\bigcup B)}{P(A)P(B)}=\frac{P(B\mid A)}{P(B)}=\frac{conf(A\Rightarrow B)}{sup(B)}$

如果上式值小于1，则A的出现与B的出现是负相关的，如果大于1是正相关的，如果等于1，他们之间是独立的。

$\chi^2$ 进行相关分析