使用机器学习检查可分性

Question

我想知道是否可以用机器学习来检查数字的可分性。例如，假设我想检查可以被11和13整除的数字。我可以从1-500生成一个数字数据集，如果它们可被11整除，则给它们一个标签1；如果它们可被13整除，则为2；如果它们不能被它们整除，则给它们一个标签1。

以下是我所面对的问题：

1. 对于数字1-500，标签0显然将是导致偏差的主要标签。
2. 即使我保持一个包含所有标签的相等行的平衡数据集，当我在1-1000上应用algo时，较低的范围数字作为标签，中档数字为1，较高的范围数字为2。

想知道我该怎么训练我的机器？我是否添加了新功能？如果是，那有什么特征？另外，如果你认为有任何ML协议能起作用，请建议(已经尝试过KNN、决策树、支持向量机、Naive_Bayes)。

编辑:我知道应用ML不成问题，但我的教授给了我这个作业。我想知道这是否可能。

Answer 1

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

如果你想到二进制的整数(来自某个范围)，它们自然属于适当的向量空间，机器学习算法假设输入就是这样的向量。

顺便说一句，有些老师在机器学习中使用了类似于玩具的问题，例如辛顿的课程中的本pdf第17张幻灯片。