1.支持度（Support）
支持度表示項集{X,Y}在總項集里出現的概率。公式為：
Support(X→Y) = P(X,Y) / P(I) = P(X∪Y) / P(I) = num(XUY) / num(I)
其中，I表示總事務集。num()表示求事務集里特定項集出現的次數。
比如，num(I)表示總事務集的個數
num(X∪Y)表示含有{X,Y}的事務集的個數（個數也叫次數）。
2.置信度 （Confidence）
置信度表示在先決條件X發生的情況下，由關聯規則”X→Y“推出Y的概率。即在含有X的項集中，含有Y的可能性，公式為：
Confidence(X→Y) = P(Y|X) = P(X,Y) / P(X) = P(XUY) / P(X)
3.提升度（Lift）
提升度表示含有X的條件下，同時含有Y的概率，與Y總體發生的概率之比。
Lift(X→Y) = P(Y|X) / P(Y)
例1，已知有1000名顧客買年貨，分為甲乙兩組，每組各500人，其中甲組有500人買了茶葉，同時又有450人買了咖啡；乙組有450人買了咖啡，如表（1）所示：
表（1）年貨購買表
試求解 1）”茶葉→咖啡“的支持度 # 既買了茶葉又買了咖啡的人/購物人數總數 = 450 / 1000= 0.45
2) "茶葉→咖啡"的置信度 # 既買了茶葉又買了咖啡的人/購買了茶葉人數總數 = 450/500 = 0.9
3）”茶葉→咖啡“的提升度 # 在購買了茶葉情況下同時購買了咖啡的概率（其實就是上面的置信度）/購買了咖啡的概率[（450+450）/（500+500） = 0.9 / 0.9 = 1
分析：
設X= {買茶葉}，Y={買咖啡}，則規則”茶葉→咖啡“表示”即買了茶葉，又買了咖啡“，於是，”茶葉→咖啡“的支持度為
Support(X→Y) = 450 / （500+500) = 45% # 此處跟原創文章不一樣，原創應該是筆誤，答案應該是 0.45
"茶葉→咖啡"的置信度為
Confidence(X→Y) = 450 / 500 = 90%
”茶葉→咖啡“的提升度為
Lift(X→Y) = Confidence(X→Y) / P(Y) = 90% / ((450+450) / 1000) = 90% / 90% = 1
由於提升度Lift(X→Y) =1，表示X與Y相互獨立，即是否有X，對於Y的出現無影響。也就是說，是否購買咖啡，與有沒有購買茶葉無關聯。即規則”茶葉→咖啡“不成立，或者說關聯性很小，幾乎沒有，雖然它的支持度和置信度都高達90%，但它不是一條有效的關聯規則。
判斷關聯規則是否有效的因素：
滿足最小支持度和最小置信度的規則，叫做“強關聯規則”（這個在我們設置算法的時候參數就會設定好）。然而，強關聯規則里，也分有效的強關聯規則和無效的強關聯規則。
如果Lift(X→Y)>1，則規則“X→Y”是有效的強關聯規則。
如果Lift(X→Y) <=1，則規則“X→Y”是無效的強關聯規則。
特別地，如果Lift(X→Y) =1，則表示X與Y相互獨立。
原文鏈接：https://blog.csdn.net/sanqima/article/details/42746419