思路分析

题目要求我们训练一个线性支持向量机 (SVM) 模型，并根据模型的 coef_ 属性获取每个特征的权重。然后输出权重最大的特征的索引。

主要步骤如下：

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量机(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_ 属性获取到每个特征的权重。

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