由于对神经网络还有些陌生，我希望使用某种形式的机器学习，但我不确定哪一种最适合。

我有一个我正在研究的玩具示例。非常感谢提示。

假设有大块数据（不是图像的像素:)）都基于根变量，即“a”。这个“a”是“事物”，其他变量是方面。

还假设它是一组有限的事物，并且每个事物“a”都有四个（“b”、“c”和“d”）方面。

我希望制作一个程序来学习（'a'：1）经常与（'b'：0.2），（'c'：0.8）和（'d'：0.3）一起出现。但是有一个问题，我希望在 a 的同时出现和 (b, c, d) 的相应值的基础上存在某种条件结构。

例如：

('a':1) often     (prob. 0.7) occurs with ('b':0.2), ('c':0.8), and ('d':0.3)
('a':1) sometimes (prob. 0.6) occurs with ('b':0.2), ('c':0.5), and ('d':0.7)
('a':1) sometimes (prob. 0.4) occurs with ('b':0.3), ('c':0.4), and ('d':0.2)
('a':1) rarely    (prob. 0.2) occurs with ('b':0.5), ('c':0.3), and ('d':0.8)

对于给定的 ('a':2)，这一切都会有所不同。b、c 和 d 的值并不意味着必须总和为 1。它们只是代表方面的占位符值（0.2 可能是绿色，0.8 可能是紫色等）。

我想确保程序理解 b、c 和 d 之间存在固有的依赖关系，以及给定的 'a':x (b, c, d)。

如果有人有基于此的建议，我将不胜感激。谢谢！

编辑：我在 python 中工作，并且正在考虑将字典作为数据结构，但如果有更好的解决方案（也可能取决于算法），我会全神贯注。