从大规模数据集中寻找物品间的隐含关系被称作关联分析（association analysis）或者关联规则学习（association rule learning）。
那么什么是关联分析呢？关联分析是一种在大规模数据集中寻找有趣关系的任务。这些任务包括两项：发现频繁项集和从频繁项集中发现关联规则。
频繁项集（frequent item sets）：是经常出现在一块的物品的集合，例如香烟和打火机。
关联规则（association rules）：暗示两种物品之间可能存在很强的关系，通常表示物品之间的“如果…那么”关系，例如“如果购买香烟，那么有很大概率会购买打火机”。
那么如何定量地衡量一物品集合是否频繁的呢？以及如何定量地衡量两种物品之间的关系？在这里就需要引入一些新的概念：
项集：项的集合，项可以是商品，那么项集就是商品的集合。
支持度：数据集中包含该项集的记录所占的比例，也就是该项集在数据集中的出现频率，用以衡量项集的频繁程度。（例如：A商品在4次交易中出现3次，则支持度为3/4）
可信度：又称置信度，是针对关联规则来定义的，表示某项集在指定条件下的出现概率，用以衡量物品之间的关系。
可信度计算
根据计算出的频繁项集,计算出关联规则：
因为012->3 的置信度计算为sup（0123）/sup（012），其中sup（012）已经为最小值，但是其置信度还是没有达标，所以其sup（012）子集都不能满足要求，所以舍去。
