关联规则评估指标：怎么判断挖出来的规则是真金还是废铁

可视化演示

支持度度量：这条规则覆盖了多少顾客

老王最早学到的评估方法是“数人头”。他觉得，一个商品组合被越多人买，越值得重视。于是他统计每张小票里同时出现的商品对，把出现次数除以总小票数，得到了一个比例——这就像学校统计“同时选修数学和物理的学生比例”，比例高的课程组合，才有资格开一个合班。这个比例，在关联规则里就叫支持度（Support）。

支持度回答的是：“这条规则覆盖了多大范围的交易？”它的定义很直观——在所有交易里，同时包含 A 和 B 的交易占比。它像一场选秀的海选门槛：先不管你唱功（关联强度）如何，至少得有一定数量的观众（交易覆盖量）支持你，才有资格进下一轮。计算公式如下：

老王用支持度给三千条规则排序，发现“牛奶→面包”这类组合排在前面，因为它们本来就是大众商品，谁家的购物车都会出现。他又发现，支持度有个致命短板：它只告诉你“有多少人买了”，却完全不告诉你“买 A 是否真的带动了买 B”。就像全校学生都吃午饭，统计“打饭和喝水”的支持度会接近 100%，但这根本谈不上是值得培养的“组合习惯”。所以老王决定，支持度只是第一道门槛，真正的考验在后面。

置信度评估：买A的人真的会买B吗

老王接着学到一个新武器——置信度。他不再问“多少人同时买了 A 和 B”，而是换个角度：“已经买了 A 的人里，有多少人还会买 B？”这好比班主任统计“选了物理课的学生中，有多少人也选了化学课”，回答的是“前提发生之后，结论发生的概率”。

这个角度为什么重要？因为规则是有方向的。超市里“买薯片的人往往买可乐”和“买可乐的人往往买薯片”听起来相似，但计算方法和业务含义完全不同——前者能指导薯片区做可乐赠品，后者则适合反过来操作。置信度的公式如下：

老王用置信度重新审视规则，发现“啤酒→尿布”的置信度高达 80%——买啤酒的顾客里八成会拿尿布，看起来漂亮极了。但数据师泼了一盆冷水：“别高兴太早，尿布本来就是店里的畅销品，也许不买啤酒的顾客里也有七成会买尿布。如果大家都买尿布，那置信度 80% 算个啥？”这个反问让老王意识到：置信度虽然比支持度进了一步，但它只看了“买了 A 的人”，却没有对照“不买 A 的人”。缺少基准线的指标，就像跑步成绩没有对照“是否本来就常运动”一样，很难说明真正的因果贡献。

提升度分析：有没有“额外带动”效应

老王想，最关键的疑问是：买啤酒，到底有没有“额外”推动顾客买尿布？于是数据师给他介绍了第三个指标——提升度（Lift），一个简单却深刻的比值：拿“买 A 的人里买 B 的概率”去除以“全店顾客里买 B 的基准概率”。

用老王的话说，这就像评估一位销售大师的业绩。小王一个月卖 100 单，看似厉害；但全店平均每人每月也能卖 95 单。原来小王只是坐在了客流最大的门店，他的“提升”只有 100 除以 95，约等于 1。真正厉害的是小李：坐冷门门店却卖到 120 单，而该门店平均只有 60 单，他的提升度是 2。提升度的公式如下：

老王看着计算结果，恍然大悟。原来“薯片→可乐”支持度最高，但提升度只有 0.95，说明两者几乎没有“化学反应”；而“辣条→泡泡糖”虽然只覆盖了 2% 的顾客，提升度却高达 2.5——买辣条的人买泡泡糖的意愿是平均水平的 2.5 倍！这才是真正值得在货架边做“关联陈列”的冷门爆款。提升度帮他绕开了“热门商品”的迷惑，盯住真正的带动关系。

进阶度量：更全面的体检报告

提升度虽好，但老王还嫌不够。他问数据师：“提升度只告诉我'几倍于基准'，可我还想知道'绝对多卖了多少件'，以及'这条规则靠不靠谱'。”于是数据师请出了两个进阶指标：Leverage 和 Conviction。

Leverage（杠杆率）回答“绝对增量”的问题：实际同现概率比“两者独立时的期望概率”多了多少。它就像比工资差额，而不是比翻几倍——涨 10% 的工资和涨 100 元是两种视角。Conviction（确信度）则回答“犯错的稳健性”：假设 A 与 B 独立，期望中出现“买了 A 却没买 B”这种错误的概率，除以实际犯错的概率。比值越大，说明规则越经得起“反例”考验。两个公式如下：

1. 实际同现概率：从数据中直接统计出的 P(A∩B)，代表“现实里两个商品一起出现的频率”。

$$\displaystyle P(A \cap B)$$

2. 独立期望概率：把 P(A) 和 P(B) 相乘，得到“假设二者无关时，纯靠运气一起出现的期望频率”。

$$\displaystyle P(A) \times P(B)$$

3. 二者求差：现实减去期望，就是 Leverage，正值表示正关联，负值表示负关联。

$$\displaystyle P(A \cap B) - P(A) \times P(B)$$

1. 分子 1 - P(B)：在独立假设下，B 不发生的期望概率，代表“规则应该犯错”的背景水平。

$$\displaystyle 1 - P(B)$$

2. 分母 1 - 置信度：实际买了 A 却没买 B 的反例概率，代表“规则真的犯错”的程度。

$$\displaystyle 1 - \text{Confidence}(A \to B)$$

3. 两者相除：期望犯错与实际犯错的比值，就是 Conviction，越大越稳健。

$$\displaystyle \frac{1 - P(B)}{1 - \text{Confidence}(A \to B)}$$

老王把这些指标用到货架调整方案里。Leverage 告诉他“啤酒+尿布”的组合每天能带来额外 8 单，虽然提升度一般，但绝对增量可观，值得保留陈列；Conviction 则提醒他“辣条→泡泡糖”的反例极少，规则非常稳健，可以放心全国门店推广。两个指标一唱一和，像体检报告里的“增幅”和“参考值”一样，帮他把规则看得更立体。

指标对比权衡：三个指标一台戏

走过这几关，老王手里有了四个评估工具：支持度、置信度、提升度，外加进阶的 Leverage 和 Conviction。可是指标一多也会挑花眼。到底哪个说了算？数据师告诉他：别指望一个指标通吃天下，它们各有一个“盲区”。

支持度的盲区是“热度掩盖关联”，热门商品组合支持度虚高；置信度的盲区是“忽略基准概率”，畅销品容易虚高；提升度的盲区是“忽视样本量”，小样本上的高倍率可能只是噪声。Leverage 和 Conviction 虽然更稳健，但业务门槛更高，前期不一定都用得上。实际操作中可以把指标做成“三重门”：

老王给团队定了条规矩：凡是上货架策略的规则，必须同时满足“覆盖 1%、置信度 30%、提升度 1.2”这三条线；而涉及全国推广的重磅决策，还要额外参考 Leverage 和 Conviction。用他的话说：“支持度负责告诉你'人多不多'，置信度告诉你'准不准'，提升度告诉你'值不值'——三个结合起来，才是完整的生意眼光。”

伪规则防范：当心“热门商品”的陷阱

指标齐了，老王本以为万事大吉，结果还是踩了坑。他曾经发现“牛奶→面包”支持度 25%、置信度 65%，怎么看都是黄金规则。可当他按规则把面包移到牛奶旁，销量毫无变化。数据师笑着说：“因为这两个都是早饭刚需品，顾客本来就会各拿各的。它们的提升度只有 1.03，说明'一起买'纯属巧合，而不是关联拉动。”

这个案例让老王记住了伪规则的套路：支持度高、置信度高，提升度却接近 1，正是“热门商品效应”的典型特征。用数学语言表达：

老王的自检清单多了三条：第一，检查数据采集窗口有没有促销季、节假日污染；第二，把规则拿到另一段时间的数据里交叉验证，看看提升度是否稳定；第三，请店长们用常识过一遍，听起来太“反直觉”的规则（比如“买雨伞→买防晒霜”）要格外警惕。伪规则就像超市里的“网红商品”，包装亮眼、货架占满、销量虚高，但真正赚钱能力平平。有了这套防范打法，他才真正从“淘金”变成了“选金”。

AI 应用场景

Python 演示

from collections import defaultdictfrom itertools import combinations def evaluate_rules(transactions, min_sup=0.15, min_conf=0.30, min_lift=1.10):    n = len(transactions)    item_sup = defaultdict(int)    pair_sup = defaultdict(int)     for t in transactions:        t = set(t)        for item in t:            item_sup[item] += 1        for a, b in combinations(sorted(t), 2):            pair_sup[(a, b)] += 1     rules = []     def add_rule(a, b, cnt):        sup = cnt / n        conf = cnt / item_sup[a]        lift = conf * n / item_sup[b]        if sup >= min_sup and conf >= min_conf and lift >= min_lift:            rules.append((a, b, sup, conf, lift))     for (a, b), cnt in pair_sup.items():        add_rule(a, b, cnt)        add_rule(b, a, cnt)     rules.sort(key=lambda r: r[4], reverse=True)    return rules if __name__ == '__main__':    market = [        ['啤酒', '尿布', '薯片'],        ['啤酒', '尿布'],        ['可乐', '薯片'],        ['啤酒', '尿布', '洗发水'],        ['薯片', '可乐', '面包'],        ['啤酒', '牛奶'],        ['尿布', '牛奶'],        ['面包', '可乐'],        ['薯片', '可乐', '尿布'],        ['啤酒', '尿布', '牛奶']    ]    for a, b, sup, conf, lift in evaluate_rules(market):        print(f'{a}->{b} 支持度={sup:.2f} 置信度={conf:.2f} 提升度={lift:.2f}')

1. for item in t: item_sup[item] += 1第一遍扫描统计每个商品的购买次数，为置信度分母做准备。
2. for a, b in combinations(sorted(t), 2): pair_sup[(a, b)] += 1对每张小票生成所有两两商品组合，统计共现次数，这是支持度分子的来源。
3. lift = conf * n / item_sup[b]用置信度乘总单数再除以 B 的购买次数，等价于“置信度 ÷ 基准概率”，一步算出提升度。
4. add_rule(b, a, cnt)同时评估反向规则，因为业务上 A→B 和 B→A 的含义可能完全不同。
5. rules.sort(key=lambda r: r[4], reverse=True)按提升度从高到低排序，让最有“带动效应”的规则排在最前面。
6. if sup >= min_sup and conf >= min_conf and lift >= min_lift三重门阈值过滤，这正是正文中“组合使用指标”思想的代码版。

常见误区

面试题