从购物篮到可行动线索：关联规则的指标、算法与误判边界

关联分析关心的是哪些对象经常在同一事务中出现。事务可以是一张购物篮、一次会话、一份设备告警组合或一次检查记录，项则是事务中的离散对象。算法擅长从大量组合里筛出值得查看的模式，但不会自动告诉人们为什么会共现，更不能把一条规则直接当成因果关系。

先把事务边界定义对，指标才有含义

同一个用户一周内的购买合并为一条事务，与每次结账分别作为事务，会得到不同结果。会话超时时间、退货如何处理、赠品是否计入、缺货商品怎样记录，也会改变项集频率。事务边界应与准备采取的行动一致：若要优化单次陈列，就不该把相隔多日的行为随意合并。

关联规则描述数据中的共同出现，不会证明一个商品、症状或事件导致另一个发生。

常见规则写成 X→Y，其中 X 与 Y 是不相交的项集。箭头表达条件方向，而不是时间先后或因果作用。X 可以理解为前件，Y 为后件。算法通常先找到满足频率要求的项集，再从这些项集中拆出前件与后件，因此频繁项集发现和规则生成是两个连续但不同的任务。

支持度、置信度与提升度各回答一个问题

用五条示例事务说明：若某项 D 出现四次，某项 B 出现三次，D 与 B 同时出现三次，那么 D→B 的支持度是三除以五，置信度是三除以四；B 的总体比例为三除以五，所以提升度为置信度再除以该基础比例。这个例子显示，置信度必须与后件本身有多常见一起看。

方向改变时，置信度通常也会改变

X→Y 与 Y→X 使用同一个共同出现数，支持度相同，但分母分别是 X 和 Y 的出现数，因此置信度可能不同。提升度在两项情形下具有对称关系，却不意味着两个方向在业务上可互换。若行动是向已有 X 的对象推荐 Y，就应按这个条件方向评价覆盖、成本和结果。

1. 先报告共同出现的实际事务数，防止百分比掩盖小样本。
2. 再看支持度，确认模式具有足够覆盖。
3. 比较置信度与后件基础率，避免高频项制造假惊喜。
4. 用提升度、杠杆率等补充指标观察偏离独立的程度。
5. 最后结合干预成本和错误代价决定是否值得行动。

Apriori通过反单调性砍掉不可能的分支

频繁项集有一个关键性质：如果一个项集达到最小支持度，它的任意非空子集也必然达到；反过来，只要某个子集不频繁，包含它的更大项集就不可能频繁。Apriori 先统计一项集，再连接得到候选二项集、三项集，逐层计数并剪枝。逻辑直观，适合解释算法，但候选数量很大时会消耗多轮扫描和存储。

候选连接也不能任意组合。构造 k 项候选时，通常让两个频繁的 k−1 项集共享有序前缀，并检查候选的所有 k−1 子集是否仍频繁。这个步骤减少明显不可能的候选。最小支持度越低，保留下来的分支越多；项种类很多且事务稀疏时，组合爆炸尤其明显。

• 优点：过程透明，候选和剪枝容易核对。
• 限制：可能多次扫描事务库，并生成大量中间集合。
• 适合：项数量受控、阈值不低、需要教学或审计的场景。
• 调优：利用垂直表示、分区或采样，但要说明近似带来的影响。

FP-Growth把共同前缀压进一棵树

FP-Growth 不显式枚举全部候选。它先统计频率并移除不达标项，再把每条事务中的剩余项按统一顺序排列，共同前缀可以共享树节点。随后针对某个后缀收集条件模式基，建立条件树并递归挖掘。事务前缀重复越多，压缩效果通常越明显；若数据几乎没有共享结构，树也可能变大。

频繁项集之后，规则数量仍会迅速增长

一个含 k 个项的频繁集合，可以用任意非空真子集作为前件，其补集作为后件，方向也会产生不同规则，候选数量随 k 指数增长。因而不能在发现频繁项集后无条件输出全部组合。最小置信度、提升度、最小计数、前件后件约束和业务禁配规则，都可以参与后续筛选。

阈值不存在适合所有任务的固定答案。提高支持度会让结果更稳定、更易管理，却可能漏掉低频高风险事件；降低阈值能够看到长尾，也更容易收获偶然组合。可以按项类型设置分层阈值，并把探索集与验证集分开，避免在同一批数据上不断调阈值直到出现一个好看的规则。

让规则跨时间和场景接受复核

在一个时间窗口发现的规则，应在后续窗口重新计算计数、置信度和提升度。若方向翻转或强度骤降，先检查促销、季节、上下架、采样方式与人群结构。对门店、地区、设备类型或用户群分层验证，可以发现总体规则其实由单一子群推动，也能识别合并数据产生的辛普森悖论风险。

最终应用还需要受控评估。陈列调整、推荐或预警可能改变行为本身，离线共现高不代表干预会带来增量收益。把规则放入小规模实验，观察转化、误报、用户负担和替代效应，并保留不采取行动的对照。关联分析最适合扮演线索生成器：它把庞大的组合空间缩小到可解释候选，而业务机制、时间验证与实验，才负责把候选变成可靠决策。