频繁模式挖掘的模式评估方法

频繁模式挖掘可以出很多模式，但是判断一个模式是否有趣，需要用到模式的评估方法。下面介绍常用的模式评估方法。（假设项集A、B）

1、支持度

  包含项集A和B的项的元组数与所有元组数的比值，一般计为P（A∪B）。

2、置信度

  模式A--> B的置信度为P（B|A）

3、提升度

       lift（A, B）= P(A∪B)/(P()*P(B))，提升度大于1为正相关，小于1为负相关，等于1为独立。

4、卡方度量

5、全置信度

       all_conf(A, B) = min{P(A|B), P(B|A)}

6、最大置信度

       max_conf(A, B) = max{P(A|B), P(B|A)}

7、Kulczynski度量

Kulc(A, B) = 1/(2*(P(A|B) + P(B|A)

8、余弦度量

cosine = sqrt(P(A|B) * P(B|A))

这些度量中，只有提升度和卡方度量不是零不变度量，但是其他度量也会面临不平衡问题，为此，引入不平衡比：

   其中，sup表示置信度。