【发布时间】：2013-01-10 20:10:02
【问题描述】：
编辑：我将其移至 cstheory.stackexchange.com
我想要对输入的整数序列进行二元决策。对于序列中给定的 n，无论它是否为素数。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 并且必须与 1 或 5 一致模 6。
仅使用机器学习。
我不确定，但我估计“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？
人们怎么看？
好的，其次，如果我们有一些整数的向量表示，它携带一些有用的信息，（未知），是否有任何主要的原则反对机器学习能够将 n 分类为素数或复合数，假设我们可以“选择正确的功能”可以这么说吗？
让我们忽略向量包含 n 的因式分解的简单情况。
【问题讨论】：
-
cstheory.stackexchange.com 可能也是问这个的地方。不过我不确定。
-
好点。如果是这样，我会在那里“转移”它。
-
当有确定素数的算法时，我不明白为什么你会使用机器学习来做这样的事情。一切都不是机器学习。例如，我不会用它来解决线性代数问题。
-
这不是我的问题，伙计。我有兴趣了解它为什么会失败。请阅读问题。
-
那个“等”隐藏了真正的问题——定义之一。当然，您列出的特定技术可能无法做到这一点，但这并不意味着没有另一种机器学习技术可以做到这一点。谁会说Eurisko 的扩展或{那个程序被喂食？几何公理并提出新的定理} 不能为自己解决问题？如果一台机器自己提出了米勒·拉宾，这算不算机器学习的成功？
标签： math machine-learning primes