Python算法练习（十三）// 算法：关联规则，数据集：美国国会投票

一、练习目标
1、掌握TransactionEncoder编码方法，
2、掌握关联规则的模型构建，加深理解关键指标（支持度、置信度、提升度等）。

二、关键结论
1、支持度设置为0.3，比设置为0.5，所得频繁项集大大增加.
2、当置信度统一设置为0.99时，前者所得的强关联规则集共为260条，后者仅有2条。
3、如果支持度设置过高，那么将省略了许多可能有意义的强关联规则集。
4、本次练习设置不同置信度，lift都是大于1，说明挖掘所得的关联规则都是强关联规则。

三、指标的统计公式
置信度confidence：confidence(x—>y)=support （xy）/ support x
提升度lift： confidence(x—>y)/ support y
规则杠杆率leverage：support （xy）- support x * support y
规则确信度conviction：(1-support y)/(1-confidence(x—>y))

四、练习步骤