如何解读Apyori（Apriori算法）输出中长度大于2的关联规则？

你用Apyori得到的输出如下：

Motif   Support  Confidence      Lift
0          [05M09T, 05M093]  0.066946    0.524590  1.628273
1  [05M091, 05M092, 05M093]  0.052301    0.581395  1.804591

第二行的核心问题在于：Apyori返回的结果里，单个频繁项集可能对应多条关联规则，你看到的置信度和提升度是其中某一条规则的指标，而非整个项集的通用指标。

关键说明 #

对于3项集[05M091, 05M092, 05M093]，理论上可以生成6条不同的关联规则（所有非空真子集作为前件，补集作为后件），你提到的两种情况只是其中之二：

• {05M091} → {05M092, 05M093}
• {05M091, 05M092} → {05M093}

这两条规则的置信度、提升度确实不同，但Apyori默认输出如果只展示项集整体，会掩盖规则的拆分逻辑。

解决方法 #

要明确具体是哪条规则，需要遍历Apyori结果中的ordered_statistics属性，提取每条规则的前件（items_base）和后件（items_add），示例代码如下：

from apyori import apriori

# 假设你的数据集是dataset
results = apriori(dataset, min_support=0.05, min_confidence=0.5)

for result in results:
    # 遍历当前项集对应的所有关联规则
    for stat in result.ordered_statistics:
        antecedent = list(stat.items_base)
        consequent = list(stat.items_add)
        print(f"规则: {antecedent} → {consequent}")
        print(f"支持度: {result.support:.6f}, 置信度: {stat.confidence:.6f}, 提升度: {stat.lift:.6f}")
        print("---")

运行这段代码后，你就能清晰看到第二行对应的具体规则是哪一条，以及对应的指标计算依据。

内容的提问来源于stack exchange，提问作者Tryzis