算法：有监督-关联规则

关联规则（Association Rule） 是反映事物与事物间相互的依存关系和关联性的一个分析方法。如果两个或多个事物间存在一定的关联关系，则其中一个事物能够通过其他事物预测到。
最常见的场景就是购物篮分析（MarketBasket）。通过分析顾客购物篮中的不同商品之间的关系，来分析顾客的购买习惯。经典案例就是啤酒与尿布。

常见的关联规则算法有：

• Apriori算法
• ECLAT算法

例：根据某超市的购物篮信息，分析顾客的购物习惯，制定货物摆放或者捆绑销售策略。

流水	购买商品
1001	A,C,D
1002	B,C,E
1003	A,B,C,E
1004	B,E

首先设定最小支持度为50%，最小置信度为50%（根据实际情况设定）
确定1项频繁项集

项集	支持度
{A}	50%
{B}	75%
{C}	75%
{D}	25%
{E}	75%

{D}不满足预先设定的最小支持度，把它淘汰掉
结果：{A}:50%,{B}:75%,{C}:75%,{E}:75%

确定2项频繁项集

项集	支持度
{A,B}	25%
{A,C}	50%
{A,E}	25%
{B,C}	50%
{B,E}	75%
{C,E}	50%

{A,B}、{A,E}不满足预先设定的最小支持度，把它们淘汰掉
结果：{A,C}:50%,{B,C}:50%,{B,E}:75%,{C,E}:50%

确定3项频繁项集

组合	项集	支持度
{A,C}+{B,C}	{A,B,C}	25%
{A,C}+{B,E}	{A,B,C,E}	X
{A,C}+{C,E}	{A,C,E}	25%
{B,C}+{B,E}	{B,C,E}	50%
{B,C}+{C,E}	{B,C,E}
{B,E}+{C,E}	{B,E,C}

{A,B,C}、{A,B,C,E}、{A,C,E}都不满足预先设定的最小支持度，淘汰它们
结果：{B,C,E}:50%

确定关联规则： 非空子集：{B},{C},{E},{B,C},{B,E},{C,E}

规则	支持度	置信度	解读
B->C	75%	66.7%	有75%的人买了B，其中66.7%的人也买了C
B->E	75%	100%
B->CE	75%	66.7%
C->E	75%	66.7%
C->BE	75%	100%
E->BC	75%	66.7%
BC->E	50%	100%
BE->C	75%	66.7%
CE->B	50%	100%