【统计分析】关联规则之置信度，支持度，提升度

别看这几个公式不起眼，数据分析倒是用的很普遍，所以最好记住啊，记不住也没关系，我都总结好了

一般使用三个指标来度量一个关联规则，根据这三个指标可以筛选出满足条件的关联规则。
这三个指标是：$Support（支持度）$、$Confidence（置信度）$、$Lift（提升度）$。
以$X，Y$这个关联规则为例来说明：
先验前提：$X，Y$表示为商品，现有一商场，统计一天内的订单小票。

1. Support（支持度）：

表示同时购买$X、Y$的订单数占总订单数（研究关联规则的“长表”中的所有购买的产品的订单数）的比例。如果用$P(X)$表示购买$X$的订单比例，其他产品类推，那么
S u p p o r t ( X , Y ) = P ( X , Y ) P ( A l l ) = 同 时 购 买 { X , Y } 的 订 单 数 总 订 单 数 Support(X,Y) = \frac{P(X,Y)}{P(All)}=\frac{同时购买\{X,Y\}的订单数}{总订单数} Support(X,Y)=P(All)P(X,Y)​=总订单数同时购买{X,Y}的订单数​

2. Confidence（置信度）

表示购买$X$的订单中同时购买$Y$的比例，即同时购买$X$和$Y$的订单数占购买$X$的订单的比例。公式表达：
C o n f i d e n c e ( X − > Y ) = P ( Y / X ) = P ( X , Y ) P ( X ) = 同 时 购 买 { X , Y } 的 订 单 数 购 买 X 的 订 单 数 Confidence(X->Y) =P(Y/X) =\frac{P(X,Y)}{P(X)}=\frac{同时购买\{X,Y\}的订单数}{购买X的订单数} Confidence(X−>Y)=P(Y/X)=P(X)P(X,Y)​=购买X的订单数同时购买{X,Y}的订单数​

C o n f i d e n c e ( Y − > X ) = P ( X / Y ) = P ( X , Y ) P ( Y ) = 同 时 购 买 { X , Y } 的 订 单 数 购 买 Y 的 订 单 数 Confidence(Y->X) =P(X/Y) =\frac{P(X,Y)}{P(Y)}=\frac{同时购买\{X,Y\}的订单数}{购买Y的订单数} Confidence(Y−>X)=P(X/Y)=P(Y)P(X,Y)​=购买Y的订单数同时购买{X,Y}的订单数​

3. Lift（提升度）：

L i f t ( X − > Y ) = P ( X , Y ) P ( X ) P ( Y ) = P ( Y / X ) P ( Y ) = 同 时 购 买 { X , Y } 的 订 单 数 × 总 订 单 数 购 买 X 的 订 单 数 × 购 买 Y 的 订 单 数 Lift(X->Y) =\frac{P(X,Y)}{P(X)P(Y)} =\frac{P(Y/X)}{P(Y)}=\frac{同时购买\{X,Y\}的订单数\times总订单数}{购买X的订单数\times购买Y的订单数} Lift(X−>Y)=P(X)P(Y)P(X,Y)​=P(Y)P(Y/X)​=购买X的订单数×购买Y的订单数同时购买{X,Y}的订单数×总订单数​

• 提升度反映了关联规则中的$X$重点内容与$Y$的相关性;
• 提升度 $>1$ 且越高表明正相关性越高;
• 提升度 $<1$ 且越低表明负相关性越高;
• 提升度 $=1$ 表明没有相关性。

计算代码见：https://github.com/geeklili/Association_Analysis