这是一个非常基本的问题：
示例规则（假设它是从WEKA生成的）：
bread=t 10 ==> milk=t 10 conf:(1)
这意味着“从10个实例中，每次人们购买面包，他们也会购买牛奶”。 （忽略支持）
这条规则可以双向阅读吗？比如，“每次人们买牛奶，他们也会买面包？”
另一个例子
Physics101=A ==> Superphysics401=A
可以通过以下两种方式阅读：
“如果人们在Physics101上获得A，那么他们在Superphysics401上也获得了A”
“如果人们在Superphysics401上得到A，他们也会在Physics101上获得A”？
如果是这样，是什么让WEKA按顺序生成规则（Physics ==＆gt; Superphysics），为什么不是另一种方式呢？或订单不相关？
答案 0 :(得分：2)
Does this rule can be read both ways? Like, "everytime people buy milk, they also buy bread?"
不，它只能以单向读取。
这是从暗示规则中得出的。 A -> B和B -> A是不同的事情。将前者描述为“A是B的子集”，因此，无论何时在A中，您都在B. B -> A，也称为A -> B的反转，可以用类似的方式解释。当这两个都成立时，我们会说A <-> B这意味着A和B基本相同。
如果上面的内容看起来太多，请记住以下几点： 雨 - ＆gt;云是真的。每当下雨，就会有云，但云 - ＆gt;雨并非总是如此。可能有云，但没有下雨。
如果是这样，是什么让WEKA按此顺序生成规则（Physics ==＆gt; 超级物理学），为什么不是另一种方式？或订单不相关？
数据集导致规则。这是一个例子：
Milk, Bread, Waffers
Milk, Toasts, Butter
Milk, Bread, Cookies
Milk, Cashewnuts
说服自己面包 - ＆gt;牛奶，但牛奶！ - ＆GT;面包。
请注意，我们可能并不总是对持有或不持有的规则感兴趣。因此，我们试图在规则中添加一种信心概念。定义A->B置信度的一种自然方式是P(B|A)，即当我们看到A时，我们多久会看到B.
这可以通过将出现在一起的B和A的计数除以单独出现的A的计数来计算。
在我们的示例中，
P(Milk | Bread) = 2 / 2 = 1 and
P(Bread | Milk) = 2 / 4 = 0.5
您现在可以根据信心对规则列表进行排序，并决定您要使用哪些规则。