Reference：关联分析中的支持度、置信度和提升度
1.支持度（Support）
支持度表示项集 (X,Y)(X,Y) 在总项集里出现的概率。公式为：
Support(X→Y)=P(X,Y)P(I)=P(X∪Y)P(I)=num(X∪Y)num(I)
Support(X→Y)=P(X,Y)P(I)=P(X∪Y)P(I)=num(X∪Y)num(I)
其中，num(I)num(I) 表示总事务集的个数， num(X∪Y)num(X∪Y) 表示含有 {X,Y}{X,Y} 的事务集的个数（个数也叫次数）。
2.置信度（Confidence）
置信度表示在先决条件X发生的情况下，由关联规则 X→YX→Y 推出 YY 的概率。即在含有 XX 的项集中，含有 YY 的可能性，公式为：
Confidence(X→Y)=P(Y|X)=P(X,Y)P(X)=P(X∪Y)P(X)
Confidence(X→Y)=P(Y|X)=P(X,Y)P(X)=P(X∪Y)P(X)
3.提升度（Lift）
提升度表示含有 XX 的条件下，同时含有 YY 的概率，与不含 XX 的条件下却含 YY 的概率之比。
Lift(X→Y)=P(Y|X)P(Y)
Lift(X→Y)=P(Y|X)P(Y)
例1，已知有1000名顾客买年货，分为甲乙两组，每组各500人，其中甲组有500人买了茶叶，同时又有450人买了咖啡；乙组有450人买了咖啡.
试求解
1）“茶叶→→咖啡”的支持度
2）“茶叶→→咖啡”的置信度
3）“茶叶→→咖啡”的提升度
分析：
设 X={买茶叶}X={买茶叶} ，Y={买咖啡}Y={买咖啡}，则规则 “茶叶→→咖啡” 表示 “即买了茶叶，又买了咖啡”，于是，“茶叶→→咖啡”的支持度为
Support(X→Y)=450/500=90%Support(X→Y)=450/500=90%
“茶叶→→咖啡”的置信度为
Confidence(X→Y)=450/500=90%Confidence(X→Y)=450/500=90%
“茶叶→→咖啡”的提升度为
Lift(X→Y)=Confidence(X→Y)P(Y)=90%((450+450)/1000)=90Lift(X→Y)=Confidence(X→Y)P(Y)=90%((450+450)/1000)=90
由于提升度 Lift(X→Y)=1Lift(X→Y)=1，表示 XX 与 YY 相互独立，即是否有 XX，对于 YY 的出现无影响。也就是说，是否购买咖啡，与有没有购买茶叶无关联。即规则“茶叶→→咖啡”不成立，或者说关联性很小，几乎没有，虽然它的支持度和置信度都高达90%，但它不是一条有效的关联规则。
满足最小支持度和最小置信度的规则，叫做“强关联规则”。然而，强关联规则里，也分有效的强关联规则和无效的强关联规则。
如果Lift(X→Y)>1Lift(X→Y)>1，则规则X→YX→Y是有效的强关联规则。
如果Lift(X→Y)<=1Lift(X→Y)<=1，则规则 X→YX→Y是无效的强关联规则。
特别地，如果Lift(X→Y)=1Lift(X→Y)=1，则表示 XX 与 YY 相互独立。