编辑:我将其移至 cstheory.stackexchange.com
我想要对整数输入序列进行二元决策。对于序列中给定的 n，输出它是否为素数。不要使用 AKS，不要使用 Miller Rabin，不要使用试除法，甚至不要硬编码，因为最后一位数字必须是 1,3,7,9 并且它必须与 1 或 5 全等模 6。
仅使用机器学习。
我不确定，但我评估“普遍共识”是/将是机器学习技术(神经网络、SVM、二元分类器、聚类、贝叶斯推理等)将无法解决这个问题有问题吗？
人们怎么想？
好吧，其次，如果我们有一些带有一些有用信息的整数向量表示(未知)，那么原则上是否存在任何主要反对机器学习能够将 n 分类为素数或合数的反对意见，因为我们可以可以这么说，“选择正确的功能”？
让我们忽略向量包含 n 因式分解的简单情况。
最佳答案
机器学习并不是一切的答案。机器学习，顾名思义，是从数据中学习。问题是，为了学习一些东西，我们需要数据中的一种模式，我们可以教算法学习。
根据定义:素数是大于 1 的自然数，除了 1 和它本身之外没有正因数。
这里的基本困难是素数序列
2、3、5、7、11、13、17、19、23、. 。 .
行为“不可预测”或“随机”，我们没有第 n 个素数的(有用的)精确公式!
即使您尝试训练算法，您也会得到近似解决方案的东西。 您无法选择足够好的特征来预测解决方案。
比方说，最困难的方法是使用以下功能训练模型:
- 任何以偶数结尾的数字(2 除外)都不是质数。
- 所有数字相加等于 3、6、9 或其约数的任何数字都不是质数。
- 任何以 5 结尾的数字都不是素数。 (5 除外)
- 任何数字相同的数字都不是素数。 (除非以 1 结尾)
您最终会得到所有以 1、3、7 或 9 结尾的素数，但并非所有素数都是素数。
因此，当我们想要精确的解决方案并且已经有精确的计算方法时，就不需要找到一种可以近似计算的算法。
关于math - 为什么机器学习不能识别素数？，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/14266409/