我将使用 Apriori 算法实现个人推荐系统。 我知道有“支持”、“信心”和“提升”三个有用的概念。我已经知道它们的含义了。我也知道如何使用支持概念找到频繁项集。但是我想知道如果我们可以使用支持规则找到频繁项集，为什么会有信心和提升概念？
您能否解释一下为什么在“支持”概念已经应用时存在“信心”和“提升”概念，如果我已经对数据使用了支持概念，我该如何继续使用“信心”和“提升”概念设置好了吗？
如果您能回答 SQL 查询，我将非常感激，因为我还是一名本科生。非常感谢
【问题讨论】：
标签： sql-server algorithm data-mining apriori
单独支持会产生许多冗余规则。
例如
A -> B
A, C -> B
A, D -> B
A, E -> B
...
lift 和类似措施的目的是去除不比简单规则好多少的复杂规则。 在上述情况下，简单规则 A -> B 的置信度可能低于复杂规则，但支持更多。其他规则可能只是这种强模式的巧合，由于样本量较小，置信度略高。
同样，如果您有：
A -> B confidence: 90%
C -> D confidence: 90%
A, C -> B, D confidence: 80%
那么最后一条规则甚至糟糕，尽管有很高的信心！ 前两个规则产生相同的结果，但具有更高的置信度。所以最后一条规则不应该是 80% 正确，但如果您假设前两条规则成立，则正确率为 -10%！
因此，支持和信心不够考虑。
【讨论】：