引言
有一个很经典的例子，或许你也听过：超市里面发现，尿布和啤酒，经常出现在同一张购物单上。这两个毫不相干的事情，为什么会产生联系？后来发现，原来是因为，有时候母亲在家中照看婴儿，父亲会去超市购买尿布。父亲在购买尿布的同时，往往会顺便为自己购买啤酒，这样，啤酒与尿布这两件看上去不相干的商品，就经常会出现在同一个购物篮中。这就是一个关联规则。
关联规则能解决什么问题？
比如，上面的例子，我们或许就可以解决三个问题：
1、我想卖得更好的产品，谁能带动它？
2、我现在的爆品，能带动谁？
3、哪些商品组合在一起能创造新的消费场景？
进一步的，可以考虑商品的排布，库存的管理，供应链的优化。找到事物之间的关系，找到他们的相关性，就可以刻画我们需要的样子。
一些概念
假设，我们知道上述例子的一些统计信息：
支持度（support）
两者共同出现次数占总销售次数的比例。比如 n2是5次购买中，购买尿布的次数，为3；n3是5次购买中，购买啤酒的次数，为4；n1为n2和n3的交集，即同时购买尿布和啤酒的次数，为3；n4为购买的总次数，为5。所以，购买{尿布} 也会 购买{啤酒}的支持程度：n1/n4 = 3/5 ，即：60%的交易中他们共同出现了。这里注意，支持度衡量的是两者同时出现的次数，所以分子是交集，结果具有对称性。即购买尿布也会购买啤酒的支持度，和购买啤酒也会购买尿布的支持度，是一样的。
置信度（confidence）
那么，究竟是啤酒促进了尿布的销量，还是尿布促进了啤酒的销量呢？这就通过置信度来衡量的：两者共同出现次数占前者出现次数的比例。
{尿布}-->{啤酒}的置信度：n1/n2 = 3/3；
{啤酒}-->{尿布}的置信度：n1/n3 = 3/4；
所以，{尿布}-->{啤酒}，比 {啤酒}-->{尿布} 更让人信服，也就是买尿布的更可能同时也买啤酒，而买啤酒的也去买尿布的情况，概率没那么大。