题目内容

某公司计划对其产品销售策略进行优化，计划使用基于支持向型机$(SVM)$的机器学习模型来预测产品的销售量。为此，需要计算每个特征的权重。请根据输入描述和输出描述中的要求，编程实现特征权重的计算。

提示:首先需要根据输入的数据集和对应的标签训练一个线性$SVM$模型，然后可以通过模型的$coef$_属性获取到每个征的权重。

输入描述

输入的数据集为一个二维$list$，该二维$list$中每一个子$list$ 的最后一个元素表示当前样本的销售量$(label)$,其余的元素表示特征的值，每一列都表示一个固定的特征，例如，第一列特征可以表示产品价格,第二列特征可以表示产品的广告投放量等，形如$[[100,200,300],[200,300,500]]$。标签以$float$的数据形式进行存储。为了便于使用，所有案例都以单行的形式传入，因此形如$sys.stdin$等方法结合$for$ 循环和 $eval$函数即可读取并还原数据。

输出描述

要求给出在既定数据集下，权重最大的特征对应的索引值，数据类型为$int$类型。如果权重最大的特征是第一列特征，则返回值为$0$，如果权重最大的特征是第二列特征，则返回值为$1$，以此类推。

补充说明

假设所有的特征中，权重最大的特征是唯一的，也就是不存在权重相同的特征，这样可以保证返回值是唯一的。可以使用形如$numpy,pandas$和$sklearn$等自带代码库。为保持输出一致，请使用线性核。

样例1

输入

[[100,200,300,5000],[200,300,500,7000],[150,250,
350,6000]]

输出

1