3.4　关联规则的优点和缺点

3.4.1　Apriori算法的优点

（1）Apriori是一个有系统的步骤，经过生成所有的频繁项集和强关联规则，两阶段都进行剪枝，降低了计算量，提升了计算速度。

（2）关联规则的产生结果，很容易了解。

（3）有用的数据挖掘方法，可以产生没有预期的信息或知识。

3.4.2　Apriori算法的缺点

（1）关联规则的变量，只能应用于0-1变量、因子（分类）变量和有序因子（等级变量），数值变量要转换为因子变量。请见【R例3.6】和【R例3.7】。

（2）每次增加频繁项目集的大小，计算项集的支持度，都需要对数据库中的全部记录进行一遍扫描比较，当数据集很大时，频繁项目集的生成速度会显著降低。

（3）对于大型的数据库，存储和计算的代价随记录的增加呈现出几何级数的增加。

（4）算法的有效性有待改善。

3.4.3　关联规则的评估

关联规则的评估，有下列重点。

（1）考虑3.3.2节其他测度值，比较其结果。

（2）是否可以将规则化为行动（actionable）。请见3.5.3节。

（3）这些规则是否很平常、不重要、无价值（trivial），例如：买尿布会买婴儿奶粉。

（4）这些规则是不明显的、但有用的（inexplicable），像是挖掘到宝石的惊奇。

（5）关联规则是监督式还是非监督式？监督式与非监督式的差别在于目标变量，关联规则可以将目标变量放在规则的后项，检查其关联，例如3.6.1节泰坦尼克号的旅客存活的变量。