量子科技中心_量科网

该研究提出、评估并比较了三种受量子启发的数据编码策略——实例级策略（ILS）、全局离散策略（GDS）和类条件值策略（CCVS），用于将经典数据转化为量子数据以供纯经典机器学习模型使用。主要目标是降低高编码时间，同时确保编码值正确并分析其对分类性能的影响。实例级策略独立处理数据集每一行，模拟局部量子态；全局离散值策略将全数据集所有唯一特征值统一映射至量子态；而类条件值策略则分别编码每个类的唯一值，保留类依赖信息。研究人员将这些编码策略应用于分类任务，评估其对编码效率、正确性、模型精度和计算成本的影响。通过分析编码时间、精度和预测性能之间的权衡，该工作为优化经典机器学习流程中量子启发式数据转换提供了见解。