最小支持度和最小置信度的定义，其实挺容易搞混的，是刚开始接触关联规则的时候。tinyxml 指南这篇中文算是比较清楚的，直接把公式和概念一块儿整上来了，简单明了，适合快速查漏补缺。

支持度的意思其实就是你观察到A 和 B 一起出现的概率，而置信度就是如果 A 出现了，那 B 出现的概率。别被公式吓到，P(A ∩ B)和P(B | A)就是这么回事。

文中也提到最小支持度和最小置信度是人为设的阈值，筛选出你觉得靠谱又有价值的规则。比如你不想被偶发的组合干扰，那就设置高点；要是想尽挖掘多点关系，就设低点。

看完这篇如果你对实现原理感兴趣，还可以看看相关文章，比如用Hash Tree 优化支持度的算法，还有Apriori规则挖掘的技巧，链接我放下面了，点进去就能看。

如果你平时搞数据挖掘或是想用 JS 做点数据可视化，这种规则其实可以直接转成推荐逻辑来用。挖掘出来的“强规则”，拿来做商品推荐、内容推送，效率还挺高。

哦对，提醒一句，别光看公式，最好搭配实际数据跑一遍。像mlxtend那种 Python 库就蛮好用的，支持 Apriori 直接一键生成支持度/置信度。