頻繁模式挖掘可以出很多模式，但是判斷一個模式是否有趣，需要用到模式的評估方法。下面介紹常用的模式評估方法。（假設項集A、B）

1、支援度

  包含項集A和B的項的元組數與所有元組數的比值，一般計為P（A∪B）。

2、置信度

  模式A--> B的置信度為P（B|A）

3、提升度

       lift（A, B）= P(A∪B)/(P()*P(B))，提升度大於1為正相關，小於1為負相關，等於1為獨立。

4、卡方度量

5、全置信度

       all_conf(A, B) = min{P(A|B), P(B|A)}

6、最大置信度

       max_conf(A, B) = max{P(A|B), P(B|A)}

7、Kulczynski度量

Kulc(A, B) = 1/(2*(P(A|B) + P(B|A)

8、餘弦度量

cosine = sqrt(P(A|B) * P(B|A))

這些度量中，只有提升度和卡方度量不是零不變度量，但是其他度量也會面臨不平衡問題，為此，引入不平衡比：

   其中，sup表示置信度。