6.3 模式評估方法

  大部分關聯規則挖掘演算法都使用支援度-置信度框架。儘管最小支援度和置信度閥值有助於排除大量無趣規則的探查，但仍然會產生一些使用者不感興趣的規則。強規則不一定是有趣的，甚至會誤導。

    如：假設有10000個事務中，資料顯示6000個顧客事務包含計算機遊戲，7500個事務包含錄影，而4000個事務同時包含計算機遊戲和錄影，預定義最小支援度30%，最小置信度60%。考慮如下關聯規則：computer games->videos，該關聯規則是強關聯規則，因為支援度為4000/10000=40%，置信度為4000/6000=66%，滿足閥值。因此會得到：買計算機遊戲的顧客還有66%的可能性會購買錄影。然而，實際情況是，在所有的事務中，購買錄影的概率是75%，比66%還高，說明購買計算機遊戲和錄影是負相關的。

   因此，規則A->B有一定的欺騙性。它並不度量A和B之間相關和蘊含的實際強度，因此需要一些相關性度量標準。

6.3.1 從關聯分析到相關分析：

• 提升度（lift）：lift（A,B）=P(AB)/P(A)P(B)  

• 卡方度量：
• 還有其他的一些度量方法，自行查閱。