编辑：我正在将其移至cstheory.stackexchange.com
我想对输入的整数序列做出二元决策。对于序列输出中的给定n是否为素数。不要使用AKS，不要使用米勒拉宾，不要使用试验分区，甚至不要硬编码，因为最后一位必须是1,3,7,9并且它必须与1或5一致模数6.
仅使用机器学习。
我不确定，但我评估“普遍共识”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）将无法处理这个问题问题
人们的想法是什么？
好的，其次，如果我们有一些带有一些有用信息的整数的向量表示，（未知），对于机器学习能否将n分类为素数或复合的任何主要的原则反对，我们可以“选择正确的功能”可以这么说吗？
让我们忽略一个简单的例子，其中向量包含n的分解。
答案 0 :(得分：4)
机器学习不是一切的答案。顾名思义，机器学习是从数据中学习的。问题是，要学习一些东西，我们需要一个数据模式，我们可以教算法学习。
根据定义：素数是一个大于1的自然数，除了1和它本身之外没有正除数。
这里的基本困难是素数序列
2,3,5,7,11,13,17,19,23，.... 。
表现为“不可预测”或“随机”，我们没有第n个素数的（有用）精确公式！
即使您尝试训练算法，您也会得到一些近似解决方案的东西。 您无法选择足以预测解决方案的功能。
让我们说，艰难的方法是用这些功能训练你的模型：
你最终得到的所有素数都以1,3,7或9结尾，但不是全部都是素数。
因此，当我们需要精确的解决方案以及已经有一种精确的计算方法时，无需找到能够逼近某事的算法。