Validation
怎么知道它挖出来的不是噪声
合成数据里预先埋了 5 个组合（答案写在 data/GENERATION.md）。工具挖出来的组合能不能对上答案， 是判断算法有没有用的唯一办法。这一页的数字全部来自仓库 results/ 目录里真跑出来的产物。
一、公式对不对：10 条手工订单对照笔算
断言数
21
覆盖 supp / conf / lift / 口径
通过
21/21
全部通过
为什么是手算
三个指标很容易写错
写错了结果依然「看起来合理」，只能靠笔算对数
fixture 里故意留的
lift = 0.8 的负相关组合
固定住「共现 ≠ 该推套餐」这个判断
写这个测试时手算 supp(C) 数漏了一单（把 5 次数成 4 次），被断言抓出来。 这正好说明为什么要手算 —— 代码没错，是我的直觉错了，而直觉错了在别处看不出来。
二、挖得准不准：植入组合召回
召回率
5/5
埋进去的组合找回来几个
候选组合总数
58
lift ≥ 1.2、支持度 ≥ 1%
前 10 名里的误报
2
非植入组合挤进前 10 的个数
数据集
4,000
订单，12,054 行明细
| 植入组合 | 生成概率 | 排名 | lift | 支持度 | 置信度 | 命中订单 | 主时段 |
|---|---|---|---|---|---|---|---|
牛肉面 + 卤蛋 P1 · 经典搭配，全时段 | 55% | #2 | 4.18 | 7.80% | 59.1% | 312 | lunch 50% |
麻辣香锅（单人） + 酸梅汤 P2 · 辣配解辣，单人为主 | 50% | #7 | 3.66 | 7.45% | 53.5% | 298 | lunch 50% |
烤鱼（双人） + 啤酒 P3 · 多人 + 晚餐倾向 | 60% | #6 | 4.16 | 4.55% | 50.4% | 182 | dinner 53% |
酸菜鱼（双人） + 大瓶可乐（1.25L） P4 · 多人分享装饮料 | 50% | #3 | 4.18 | 5.80% | 58.9% | 232 | lunch 47% |
鸡腿饭 + 薯条 + 可乐 P5 · 三元组，快餐式套餐 | 40% | #1 | 8.71 | 5.08% | 91.4% | 203 | lunch 49% |
前 10 里的两个误报不是 bug，是 lift 的固有弱点。 它们是两个植入组合的拼接 （卤蛋+大瓶可乐+牛肉面、啤酒+大瓶可乐+烤鱼），命中单量只有 40 多单， 但 lift 高达 4.7。support 低的组合容易刷出虚高的 lift —— 所以页面上一律同时显示命中订单数，不能只看 lift 就下结论。
三、多少订单量才够用
两个指标要分开看。进候选只说明被挖出来了，哪怕排在第 69 名；进前 10 才是可用线 —— 运营不会翻到第 69 名。
| 订单数 | 候选数 | 进候选 | 进前 10 | 最差排名 | 沉在 10 名外 |
|---|---|---|---|---|---|
| 200 | 200 | 5/5 | 1/5 | #69 | P1(#15) P2(#13) P3(#69) P4(#14) |
| 500 | 117 | 5/5 | 4/5 | #17 | P3(#17) |
| 1000 | 79 | 5/5 | 3/5 | #12 | P2(#12) P3(#11) |
| 2000 | 65 | 5/5 | 5/5 | #8 | — |
| 3000 | 60 | 5/5 | 5/5 | #7 | — |
| 4000 | 58 | 5/5 | 5/5 | #7 | — |
结论：200 单基本不可用（只有 1 个进前 10），500-1000 单不稳定（4/5 和 3/5，小样本排名抖动），2000 单起 5 个植入组合全部进前 10，这是可用线。 如果只有两三百单就上这个工具，产出的排序基本是噪声。
阈值调松调紧会怎样（固定 4000 单）
| 阈值 | 候选数 | 进候选 | 进前 10 | 漏掉 |
|---|---|---|---|---|
| 宽松 lift≥1.0 supp≥0.5% | 200 | 5/5 | 3/5 | — |
| 默认 lift≥1.2 supp≥1% | 58 | 5/5 | 5/5 | — |
| 偏严 lift≥1.5 supp≥2% | 11 | 5/5 | 5/5 | — |
| 严格 lift≥2.0 supp≥3% | 8 | 5/5 | 5/5 | — |
| 极严 lift≥3.0 supp≥5% | 7 | 4/5 | 4/5 | P3 |
阈值放太松反而更差：候选数涨到 200 个，噪声把植入组合挤出前 10。 默认的 lift ≥ 1.2 / 支持度 ≥ 1% 到偏严区间表现一致且稳定 —— 这是选它当默认值的依据，不是拍脑袋定的。
这份数据本身的画像
合成数据里多人订单占 39.1%，但人均商品数只有单人订单的 52% —— 这个错位是刻意植入的，用来验证工具能不能自己发现「用户想多买却凑不成套」。 答案是能：订单画像页顶部那句话就是它自己判断出来的。
全部数据是合成的。生成规则、参数、随机种子写在 data/GENERATION.md。 这里没有任何真实业务数据 —— 项目动机来自一段实习经历，但测试数据与那家公司无关。