摘要本文通过一个具有真实数据集的明确示例，对量子机器学习 (QML) 领域进行了实践介绍。我们重点关注使用数据重新上传技术的单个量子位学习的情况。在讨论了量子计算和机器学习的相关背景之后，我们对我们考虑的数据重新上传模型进行了详尽的解释，并使用 qiskit 量子计算 SDK 在玩具和真实世界数据集中实现了不同的提议公式。我们发现，与经典神经网络一样，层数是决定模型最终准确性的因素。此外，有趣的是，结果表明，在同一组训练条件下，单量子位分类器可以实现与经典分类器相当的性能。虽然这不能理解为量子机器学习优势的证明，但它指出了一个有前途的研究方向，并提出了我们概述的一系列问题。