從數據列表中預測最可能的項目的算法

Question

可以說我有N個已知的列表。 每個列表都有項目，這些項目可以重復（不是一組），例如：

{A，A，B，C}，{A，B，C}，{B，B，B，C，C}

我需要一些算法（可能是一些機器學習的算法）來回答以下問題：

給定一個新的未知項目列表，例如{A，B}，根據我從先前列表中了解的內容，C出現在列表中的概率是多少。 如果可能的話，我希望有一個更細粒度的概率：給定部分列表L，C出現在列表中一次的概率是多少，C出現兩次的概率是多少，等等...順序無關緊要。 C在{A，B}中出現兩次的概率應等於它在{B，A}中出現兩次的概率

有什么算法可以做到這一點？

Answer 1

這只是純粹的數學，沒有實際的“算法”，只需從數據集中估算所有概率（從字面上計算發生的次數）。 特別是，您可以執行非常簡單的數據結構來實現您的目標。 用字母袋表示每個“列表”，因此：

{A,A,B,C} -> {A:2, B:1, C:1}
{A,B} -> {A:1, B:1} 

等，並創建某種基本的反向索引，例如，將每個字母的索引分別按其計數排序。

現在，當出現查詢時，例如{A,B} + C您所要做的就是搜索包含至少1 A和1 B的數據（使用索引），然后通過計算檢索結果的分數來估計概率包含C（或恰好是一個C）與所有檢索到的結果（假設您的數據是來自某些基礎數據生成分布的一堆獨立樣本，這是一個有效的概率估計）。

另外，如果您的字母很小，您實際上可以為所有字母組合預先計算所有值P(C|{A,B})等。