我一直在尝试为关联规则挖掘找到最佳支持和置信度值。我从Quora 上的回答中发现了以下方法-

为支持和信心选择“适当的”值可能很困难，因为这在很大程度上是一个无监督的过程。

但是，如果您将 Apriori 算法（关联规则）的输出转换为监督机器学习算法的特征，您可以检查具有不同支持和置信度值（同时固定其他特征）对该监督模型性能的影响（ ROC、RMSE 等）。然后，支持度和置信度的最佳值是最大化或最小化性能指标的值。

作为这个领域的新手，我不确定如何做到这一点。你能帮我解决这个问题吗？