搞懂关联规则三大指标

可视化演示

通过集合图解、指标关系散点图和提升度判断标准三个维度，动态展示支持度、置信度、提升度的计算逻辑与联合判断策略，直观理解关联规则的强弱评估。

关联规则基础

小张决定认真做一次“复盘”：把 100 张小票摊在桌上，每张小票就是一个小小的“购物篮”。他先扫了一遍，发现最常结伴出现的是烤串和冰啤酒。这种“发现谁和谁总是一起出现”的过程，在机器学习里有个形象的名字——购物篮分析。它不关心顾客长什么样、为什么买，只关心商品之间那种说不清道不明的“默契”。

要把默契写成规矩，得先定义什么是“规则”。每个规律都长成“如果买了 A，就倾向于买 B”的样子，比如“烤串 → 冰啤酒”。前件 A（烤串）叫前提，后件 B（冰啤酒）叫结论。这里 A 和 B 都叫“项”，若干项组成的集合叫项集——“烤串 + 冰啤酒”就是一个包含两个项的二项集。经典案例“啤酒与尿布”讲的就是：超市发现周末买啤酒的年轻父亲常顺手拿尿布，于是把两者摆到相邻货架，销量双双上涨。

有了规则的形式，紧接着要回答三个问题：这条规则出现得够普遍吗？够可靠吗？够特别吗？三个问题分别由支持度、置信度、提升度来回答。它们就像质检员的三道关卡：先查“出镜率”，再查“命中率”，最后查“含金量”。只有三道关卡全过，一条规则才值得写进你的经营策略。

小张把这三道关卡记在心里：他要找的不是那种一百个客人里只有一两个的巧合，也不是大家都在买的废话规律，而是“点烤串时尤其想喝冰啤酒”这种藏在数据里的惊喜。接下来，他就挨个关卡去验证。

支持度详解

第一道关卡问的是出镜率。小张把 100 张小票数了一遍，发现其中 30 张小票同时出现了“烤串”和“冰啤酒”。也就是说，这对搭档每 100 个客人里能碰上 30 次。这个“出现的频率”，就是支持度。它回答的是最朴素的问题：这对组合到底是不是经常出现？

$$\displaystyle \text{Support}(A \Rightarrow B) = \frac{\text{count}(A \cup B)}{N}$$

1. 同时项数 count(A∪B)：统计“同时包含 A 与 B”的购物篮个数。这里的∪是集合的“并”，A∪B 表示两个商品一起出现这件事。

$$\text{count}(A \cup B)$$

2. 总篮数 N：统计中涉及的所有购物篮总数。在小张的例子里就是 100 张小票。

$$N$$

3. 整体相除：用同时出现的次数除以总篮数，得到“同时出现的比例”，范围在 0 到 1 之间。

$$\frac{\text{count}(A \cup B)}{N}$$

支持度衡量规则在全体数据中的覆盖程度，数值越接近 1，说明这对商品越“大众脸”。它是规则的入场券：太低说明样本太少，可能是偶然或冷门搭配，商业价值有限。实际挖掘中我们通常设一个最小支持度门槛，比如 0.05，低于它的一律不聊；后面讲 Apriori 算法时你会看到，这个门槛还能帮我们过滤无效组合、大幅减少计算量。注意一个细节：支持度对 A→B 和 B→A 是一样的，因为它看的是两个商品同时出现的次数，不分先后。

对小张来说，30% 的“烤串 + 冰啤酒”意味着每 3 波客人里就有 1 波点过这对组合，绝对不是小概率的巧合。他放心地记下：出镜率过关。

置信度详解

第二道关卡问可靠性。小张换了个角度：光看同时出现的 30 张小票还不够，他更想知道，那些点了烤串的 50 位客人里，到底有多少人又顺手加了冰啤酒？答案是 30 位，所以“在 A 前提下买 B 的比率”就是置信度 60%。它不再问“全场多普遍”，而是问“这批买 A 的人是否忠诚地往篮子里加 B”。

$$\displaystyle \text{Confidence}(A \Rightarrow B) = \frac{\text{count}(A \cup B)}{\text{count}(A)} = P(B \mid A)$$

1. 分子 count(A∪B)：与支持度的分子相同，还是同时包含 A 和 B 的购物篮个数。

$$\text{count}(A \cup B)$$

2. 分母 count(A)：只包含前提 A 的购物篮个数，也就是“买了 A 的人有多少”。

$$\text{count}(A)$$

3. 条件概率 P(B|A)：两者相除恰好是在 A 发生的前提下 B 发生的条件概率，数学上记作 $P(B \mid A)$。

$$P(B \mid A)$$

置信度本质上是条件概率 $P(B|A)$，它衡量“前提出现后，结论跟着出现的把握”。数值越接近 1，说明“买了 A 就买 B”的链条越稳固，推荐的成功率越高。但注意：置信度只看“买了 A 的人”这个小圈子，不看全体顾客。这就带来一个陷阱——如果 B 本身满大街都是（比如人人都买牛奶），置信度容易被虚高撑起来，让你误以为 A 对 B 有奇效。

小张看到 60% 觉得挺高，可他转念一想：如果本来 10 个客人里就有 8 个会买冰啤酒，那 60% 反而不如平时。于是他把目光投向第三个问题：这个 60%，到底比“平时水平”高在哪？

提升度详解

第三道关卡问含金量。小张算出全场 100 位客人中有 40 位买了冰啤酒，也就是冰啤酒的全局概率是 40%。再回头看：点烤串的人里买冰啤酒的概率是 60%。60% 对 40%，是 1.5 倍。这个“倍数”就是提升度。它把“带条件的概率”和“平时水平”放在同一根标尺上比大小，最能揭示组合的独特性。

$$\displaystyle \text{Lift}(A \Rightarrow B) = \frac{\text{Confidence}(A \Rightarrow B)}{\text{Support}(B)} = \frac{P(B \mid A)}{P(B)}$$

1. 分子置信度 P(B|A)：买了 A 的人中买 B 的概率，代表“有条件时”的购买强度。

$$P(B \mid A)$$

2. 分母支持度 P(B)：全体顾客中买 B 的全局概率，代表“无条件时”的购买强度。

$$P(B)$$

3. 两者之比：用条件概率除以全局概率，得到“加成倍数”，这就是提升度。

$$\frac{P(B \mid A)}{P(B)}$$

提升度以 1 为分水岭。大于 1：A 的出现让 B 更常见，正相关，是真正的“黄金搭档”；等于 1：A 和 B 彼此独立，买不买 A 跟 B 没关系；小于 1：A 的出现反而让 B 更少见，负相关，比如“烤串 → 低脂沙拉”，两个品类在顾客选择上互相“顶替”。所以提升度才是三个指标里最能辨别“真信号”的那个——它过滤掉了“本来就很热门”造成的虚假繁荣。

1.5 倍的加成让张老板眼前一亮：不是错觉，点烤串的确会带动冰啤酒！不过他还得冷静——这条规律够普遍（30%）、够可靠（60%）、也比平时更特别（1.5 倍），三重验证都通过，才算真正可以写进进货单。

指标综合判读

三个指标各管一摊：支持度管“眼见频率”，置信度管“条件命中”，提升度管“对比增量”。就像找合作伙伴要同时看“认识多久”“相处多好”“有没有比其他人更特别”——缺一个，判断都要打折扣。单独拿任何一个出来看，都可能被数据骗。

实际挖掘中，我们把三个指标组合成一个“门禁系统”：设定最小支持度、最小置信度，再要求提升度大于 1。候选规则必须同时通过三道门，才会被留下。这就像小张给每条规则发一张体检表：出镜率、命中率、含金量三个项目全部合格才盖章。

这种三重判读能有效过滤两类虚假关联。第一类是“高置信但没增量”——B 本来就很普及，置信度被撑高，提升度往 1 以下掉，说明这条规则没有操作价值；第二类是“高提升但太冷门”——提升度 5 的组合一百个人里只有一人买，规模上不去，适合做成小众精品而非大众推荐。三个指标权衡时没有绝对公式，通常结合业务目标：走量看支持度，走精准转化看置信度，走差异化机会看提升度。

小张最终在备选清单上划掉了不少组合：有的虽然 90% 的人点烤串都加啤酒、但全店 95% 的人本来就会买啤酒，提升度不到 1，属于“废话规律”；有的提升度高达 8.0，可一千张票里只出现两次，果断放弃。最后他留下的是“普遍 + 可靠 + 特别”三重达标的少数几个真朋友。

关联挖掘算法

张老板的小摊只有十几种商品，翻小票还能数过来。可超市有上万种商品，两两组合就是几千万对，人眼根本看不过来。这时候就需要机器算法自动去“淘金”，最经典的是 Apriori 算法——它的名字听起来像“先验”，确实，算法里藏着一个朴素的聪明前提。

聪明前提就是：如果一个商品组合本身都不频繁，那它的任何超集（再多加一些商品）也一定不频繁。比如“烤串 + 鱼子酱”只出现过 1 次，那“烤串 + 鱼子酱 + 香槟”当然也不可能频繁。这个性质让算法可以大刀阔斧地剪枝：砍掉明显没前途的分支，避免在所有组合上做无意义的计算。

Apriori 分两步走。第一步找频繁项集：设一个最小支持度（比如 10%），先从单项开始扫描，留下达标的项；然后两两组合成二项集，再扫描、再筛选；接着组合成三项集……逐层扩大，每层都用“不频繁的父集，其子集也不会频繁”这条先验性质剪枝。第二步在频繁项集的基础上生成候选规则，再用置信度和提升度筛出最终结论。这样整个流程的计算量被大幅压缩，支持度门槛提前过滤、三个指标层层设卡，构成了一个完整闭环。

对小张来说，算法就像雇了个不知疲倦的学徒，帮他从一万张小票里自动找出“烤串 + 冰啤酒”式的组合，再依次过支持度、置信度、提升度三道闸门。他只需要最后拍板：哪些规律值得上架、哪些只是噪音。

实战应用

规律找到了，怎么变成钱？小张把验证通过的规则贴在了操作间：烤串配冰啤酒。他在菜单上推出“烤串双人餐 + 两瓶冰啤”套餐，外卖平台把冰啤酒放在烤串页面的推荐位，还试着把啤酒冰柜移到烤串取餐口旁边——结果这些动作都让小票上的数字往上涨。一套组合拳打下来，他算是体会到了“数据指导决策”的甜头。

这套打法放到大公司，就是标准的购物篮分析落地流程：先做关联规则挖掘，再把强规则转化为业务动作。电商、超市、内容平台都是这么干的，本质都是从小票里找商机。

电商平台的购物篮分析会从海量订单中批量计算所有二项集的支持度、置信度、提升度。典型用法有四种：商品推荐——下单页展示“买了 A 的人也买了 B”；交叉销售——支付成功后关联推荐配件或耗材；促销组合设计——把提升度高的商品打包定价；货架陈列——把强关联的商品摆到相邻位置。注意业务约束：提升度高的组合不一定都适合捆绑售卖，还要考虑毛利、库存和用户体验，指标只负责告诉你“谁和谁有缘分”。

张老板的生意经就这样讲完了：一张小票里可能有规律，一群小票里可能有商机。支持度、置信度、提升度三把尺子，加上一个 Apriori 淘金筛，就能让数据开口说话——这正是购物篮分析从夜市小摊走到大型电商的底层密码。

AI 应用场景

Python 演示

from itertools import combinations  def calc_support(transactions, itemset):    """计算支持度：同时包含 itemset 的篮子数 / 总篮子数"""    count = 0    for txn in transactions:        if itemset.issubset(txn):            count += 1    return count / len(transactions)  def calc_confidence(transactions, antecedent, consequent):    """计算置信度：P(B|A) = sup(A∪B) / sup(A)"""    sup_both = calc_support(transactions, antecedent | consequent)    sup_a = calc_support(transactions, antecedent)    if sup_a == 0:        return 0.0    return sup_both / sup_a  def calc_lift(transactions, antecedent, consequent):    """计算提升度：置信度 / sup(B)，大于 1 为正相关"""    conf = calc_confidence(transactions, antecedent, consequent)    sup_b = calc_support(transactions, consequent)    if sup_b == 0:        return 0.0    return conf / sup_b  def find_frequent_itemsets(transactions, min_support):    """枚举所有商品组合，找出支持度达标的频繁项集"""    items = set()    for txn in transactions:        items.update(txn)    return [        (itemset, sup)        for size in range(1, len(items) + 1)        for combo in combinations(items, size)        for itemset in [frozenset(combo)]        if (sup := calc_support(transactions, itemset)) >= min_support    ]  transactions = [    {'啤酒', '尿布', '牛奶'},    {'啤酒', '面包'},    {'尿布', '牛奶', '可乐'},    {'啤酒', '尿布'},    {'牛奶', '面包'},    {'啤酒', '牛奶', '薯片'},    {'尿布', '牛奶'},    {'啤酒', '尿布', '牛奶', '面包'},]  def main():    print('=== 单项支持度 ===')    for itemset, sup in find_frequent_itemsets(transactions, 0.0):        if len(itemset) == 1:            print(f'{itemset}: {sup:.2f}')    print('=== 规则: 啤酒 → 尿布 ===')    A = frozenset({'啤酒'})    B = frozenset({'尿布'})    print(f'支持度: {calc_support(transactions, A | B):.2f}')    print(f'置信度: {calc_confidence(transactions, A, B):.2f}')    print(f'提升度: {calc_lift(transactions, A, B):.2f}')  if __name__ == '__main__':    main()

1. if itemset.issubset(txn):判断该商品组合是否完整出现在当前购物篮中，这是支持度计数的核心。
2. sup_both = calc_support(transactions, antecedent | consequent)用集合的并集获得“同时包含 A 和 B”的事务比例，作为置信度分子。
3. return sup_both / sup_a除以仅包含 A 的比例，完成条件概率的计算。
4. return conf / sup_b置信度再除以 B 的全局比例，得到提升度。
5. items.update(txn)收集所有出现过的不重复商品，作为后续组合枚举的原料集。
6. if (sup := calc_support(transactions, itemset)) >= min_support海象表达式在循环中复用支持度结果，只有达标的项集才保留。
7. if len(itemset) == 1:只打印单项集，方便先看清每种商品的“基础人气”。

常见误区

面试题