假设我有已知的N个列表。每个列表都有项目，可能会重复（不是一组） 例如：
{A，A，B，C}，{A，B，C}，{B，B，B，C，C}
我需要一些算法（可能有一些机器学习？），它回答了以下问题：
鉴于新的＆amp;未知的部分项目列表，例如{A，B}，根据我之前列表中的知识，C将在列表中出现的概率是多少。如果可能的话，我想要一个更细粒度的概率：给定一些部分列表L，C将在列表中出现一次的概率是多少，概率出现两次等等......顺序并不重要。 C在{A，B}中出现两次的概率应该等于它在{B，A}中出现两次
任何可以做到这一点的算法？
答案 0 :(得分：3)
这只是纯粹的数学，没有实际的“算法”，只是简单地估算数据集中的所有概率（字面计算出现的次数）。特别是您可以通过非常简单的数据结构来实现您的目标。将每个“列表”表示为字母包，因此：
{A,A,B,C} -> {A:2, B:1, C:1}
{A,B} -> {A:1, B:1}
等。并创建某种基本的反向索引，例如，分别为每个字母保留索引，按其计数排序。
现在，当查询到来时，如{A,B} + C，您所做的就是搜索包含至少1 A和1 B（使用索引）的数据，然后通过计算已恢复的分数来估算概率结果包含C（或恰好一个C）与所有重复结果（这是一个有效的概率估计，假设您的数据是来自某些基础数据生成分布的一堆独立样本）。
或者，如果您的字母表非常小，您实际上可以为所有字母组合预先计算所有值P(C|{A,B})等。