详细内容或原文请订阅后点击阅览
如何处理量子模型中的经典数据
量子机器学习中的工作流程和编码技术《如何处理量子模型中的经典数据》一文首先出现在《走向数据科学》上。
来源:走向数据科学近年来，量子计算吸引了研究人员、企业和公众越来越多的兴趣。 “量子”已成为许多人用来吸引注意力的流行词。随着该领域的普及，量子机器学习（QML）已成为量子计算和机器学习相遇的领域。
作为一个对机器学习感兴趣并热爱数学和量子计算的人，我发现量子机器学习的概念非常有吸引力。但作为该领域的研究人员，我对 QML 的近期应用也有些怀疑。
如今，机器学习通过查找数据模式并进行预测来为推荐系统和医疗诊断等工具提供支持。相比之下，量子计算通过利用叠加和纠缠等效应以不同的方式处理信息。
量子机器学习领域探索了这种可能性并寻求回答这个问题。
量子计算机能否帮助我们更有效地从数据中学习？
然而，与任何与量子计算相关的事情一样，设定明确的期望很重要。量子计算机现在存在故障，无法运行大规模程序。话虽如此，他们能够提供 QML 在各种应用中的实用性的概念证明。
此外，QML 并不是要取代经典机器学习。相反，它寻找学习过程中量子系统可能提供优势的部分，例如数据表示、探索复杂的特征空间或优化。
考虑到这一点，数据科学家或机器学习工程师如何才能涉足 QML？任何机器学习算法（量子或经典）都需要数据。第一步始终是数据准备和清理。那么，我们如何准备用于 QML 算法的数据呢？
本文主要介绍 QML 工作流程和数据编码。
量子机器学习工作流程
1.分类
2. 回归
3. 聚类
4.优化
1-
2-