使用机器学习检查可分性

Question

我想知道是否可以使用机器学习检查数字的可分数。 例如 - 假设我想检查可被11和13整除的数字。 我可以创建一个1-500的数字数据集，如果它们可以被11整除则给它们一个标签1，如果它们可以被13整除则给它们2，如果它们不能被它们整除则为0。

以下是我遇到的问题：

1. 对于数字1-500，标签0显然将成为导致偏向的主导标签

2. 即使我保持包含所有标签的相等行的平衡数据集，当我在1-1000上应用算法时，较低范围的数字为0作为标签，中间范围数字为1，较高范围数字为2

想知道我应该怎么做才能训练我的机器？我是否添加了新功能？如果是，那么有什么特点？ 如果您认为任何ML算法可行，请建议（已经尝试过KNN，决策树，SVM，Naive_Bayes）

编辑：我知道申请ML不是问题，但我的教授给了我这个任务。我想知道是否可能。

Answer 1

似乎主要的问题是对整数进行编码 - 当然使用整数本身并没有任何意义，所以你需要对它们进行适当的编码。

如果你考虑二进制的整数（从某个范围）它们自然属于适当的向量空间，机器学习算法假设输入是这样的向量。

BTW有些教师在机器学习中使用类似玩具问题的东西，例如Hinton教授的17th slide from this pdf。