我有一个算法，它有大约 20-25 个数字作为输入。然后在每一步中，它使用其中一些数字和随机函数来计算局部结果，这将导致 A、B 或 C 的最终输出。

由于每一步都有一个随机函数，所以公式不是确定性的。这意味着使用相同的输入，我可以有 A、B 或 C。

我的第一个想法是逐步采用算法并以数学方式计算每个输出的概率。但是，由于核心的大小，这确实很困难。

我的下一个想法是使用机器学习和监督算法。我可以有尽可能多的标签条目。

所以，我有以下问题：

1. 我需要多少标记输入才能获得合适的概率方法？是的，我想拥有多少就拥有多少，但运行算法需要时间，而且我想估计收集标记数据的模拟成本。
2. 您建议哪种技术适用于如此多的输入，可以给出三种可能输出的概率？
3. 作为一个额外的问题，该算法分 10 个步骤运行，并且某些输入可能会在其中一个步骤中发生变化。我的简单方法是不在预测公式中包含此选项，因为我必须为某些步骤设置不同的输入。如果我尝试高级方法，还有其他我可以使用的技术吗？