[发明专利]数据预测方法、装置、存储介质及电子设备

权利要求书

1.一种数据预测方法，其特征在于，包括：

获取样本集，并将所述样本集中的样本标签进行归一化处理；

从所述样本集中抽取训练集以及测试集，基于所述训练集对量子变分回归模型进行训练；

将所述测试集输入至训练后的量子变分回归模型中，以输出预测值；

根据所述预测值以及所述归一化处理后的样本标签，计算真实预测值。

2.如权利要求1所述的数据预测方法，其特征在于，所述基于所述训练集对量子变分回归模型进行训练的步骤，包括：

在量子寄存器上创建两个量子比特，并置为0，再通过经典-量子转换电路将训练数据特征值转换为量子叠加态的概率幅值，处理公式为：

其中，α1、α2和α3为Ry逻辑门的相角，a，b，c，d为输入的经典数据，且为实数。

3.如权利要求2所述的数据预测方法，其特征在于，所述方法还包括：

通过量子先验电路对权利要求2得到的量子叠加态进行处理，处理公式为：

其中：

4.如权利要求3所述的数据预测方法，其特征在于，所述方法还包括：

将所述经典-量子转换电路与所述量子先验电路相结合，以得到量子变分回归模型；

通过梯度下降算法调节所述量子先验电路中的参数θ，计算损失函数的最小值，以完成所述量子变分回归模型的训练，其中所述损失函数的计算公式为：

其中，n为输入数据的总数，y_true*为真实值的归一化值，y_pred为量子变分回归模型电路所输出的预测值。

5.如权利要求1所述的数据预测方法，其特征在于，所述将所述测试集输入至训练后的量子变分回归模型中，以输出预测值的步骤，包括：

提取所述测试集中的测试数据特征值，并输入至训练后的量子变分回归模型中，以输出归一化的预测值。

6.如权利要求5所述的数据预测方法，其特征在于，所述根据所述预测值以及所述归一化处理后的样本标签，计算真实预测值的步骤，包括:

基于所述归一化处理后的样本标签对所述归一化的预测值进行反归一化，以得到真实预测值，计算公式为：

y_pred＝norm*y_pred^*

其中，y_pred为真实预测值，y_pred*为归一化的预测值。

7.一种数据预测装置，其特征在于，包括：

获取模块，用于获取样本集，并将所述样本集中的样本标签进行归一化处理；

训练模块，用于从所述样本集中抽取训练集以及测试集，基于所述训练集对量子变分回归模型进行训练；

处理模块，用于将所述测试集输入至训练后的量子变分回归模型中，以输出预测值；

计算模块，用于根据所述预测值以及所述归一化处理后的样本标签，计算真实预测值。

8.如权利要求7所述的数据预测装置，其特征在于，所述训练模块包括：

第一处理子模块，用于在量子寄存器上创建两个量子比特，并通过4个量子逻辑门对输入的数据进行处理，以构建量子先验电路；

第二处理子模块，用于提取所述训练集中的训练数据特征值，并通过经典-量子转换电路将所述训练数据特征值转换为量子叠加态的概率幅值；

训练子模块，用于将所述经典-量子转换电路与所述量子先验电路相结合，以得到量子变分回归模型，通过梯度下降算法调节所述量子先验电路中的参数，计算损失函数的最小值，以完成所述量子变分回归模型的训练。

9.一种存储介质，其特征在于，所述存储介质存储有计算机程序，所述计算机程序适于处理器进行加载，以执行如权利要求1-6任一项所述的数据预测方法中的步骤。

10.一种电子设备，其特征在于，所述电子设备包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器通过调用所述存储器中存储的所述计算机程序，执行如权利要求1-6任一项所述的数据预测方法中的步骤。