关联规则是数据挖掘中的一种重要技术，用于发现大型数据集中项集之间的有趣关系。这些规则通常表示为X → Y的形式，其中X和Y是两个不相交的项集，即它们没有共同元素，并且X ∩ Y = ∅。关联规则反映了事物之间的相互依存性和关联性，可以用来进行预测。
支持度（Support）：表示项集X和Y在所有事务中同时出现的频率。支持度越高，表示X和Y同时出现的可能性越大。
置信度（Confidence）：衡量包含X的事务中出现Y的条件概率。置信度越高，表示如果顾客购买了X，则他们购买Y的可能性越大。
提升度（Lift）：衡量X对Y出现概率的影响。提升度大于1表示X的出现确实增加了Y出现的概率。
关联规则挖掘通常包括两个步骤：
找出频繁项集：
首先从数据集中找出所有频繁出现的项集，即那些支持度超过预设阈值的项集。
生成关联规则：
然后从这些频繁项集中生成关联规则，并计算它们的置信度。只有置信度超过预设阈值的规则才会被输出。
关联规则在许多领域都有应用，如零售市场中的购物篮分析，帮助零售商理解顾客的购买行为，优化商品摆放和营销策略。
