在各种数据挖掘算法中，关联规则挖掘是比较重要的一种，本文对关联分析中两个重要参数（指标）做一个简要总结。

首先，和聚类算法一样，关联规则挖掘属于无监督学习方法，它描述的是在一个事务中物品（项）间同时出现的知识模式，现实生活中，比如超市购物时，顾客购买记录常常隐含着很多关联规则，比如购买圆珠笔的顾客中有65%也购买了笔记本，利用这些规则，商场人员可以很好的规划商品摆放问题，下面对两个指标做简要介绍。

支持度(support)和置信度(confidence)是关联规则中的两个指标，代表规则的有用性（普遍性）和确定性（可靠性）。对于啤酒-尿布这个经典的关联规则：

beers=>diapers[support=10%,confidence=60%]

support=10%表示beers和diapers同时出现的概率是10%

confidence=60%表示已知购买beers的条件下，购买diapers的概率是60%（购买beers的顾客，60%也购买了diapers），所以置信度是条件概率。

支持度(Support)的公式是：Support(A->B)=P(A U B)。

支持度揭示了A与B同时出现的概率。如果A与B同时出现的概率小，说明A与B的关系不大；如果A与B同时出现的非常频繁，则说明A与B总是相关的。

置信度(Confidence)的公式式：Confidence(A->B)=P(B | A )。

置信度揭示了A出现时，B是否也会出现或有多大概率出现。如果置信度度为100%，则A和B可以捆绑销售了。如果置信度太低，则说明A的出现与B是否出现关系不大。

来源参考：

蒋盛益等，《数据挖掘原理与实践》，电子工业出版社，2013.2
http://blog.sina.com.cn/s/blog_50b290120100dwet.html
http://blog.csdn.net/mlzhu007/article/details/8741317