← 返回题目列表

Codeforces · 1356/D1

D1. 量子分类 - 1

中文机器翻译题面 查看原题

给您一个训练数据集,其中每个条目都是一个特征向量(由 2 个实数组成的数组)和一个标签 0 或 1,指示该向量所属的类。

您的目标是使用此数据集来训练量子分类模型,该模型将准确地对验证数据集进行分类 - 使用与训练数据集相同的数据分布生成的不同数据集。使用模型对验证数据集进行分类的错误率(错误分类样本的百分比)应小于 5

- 此处记录了将使用您的模型对数据进行分类的量子分类库。
- 本教程有一个使用此库作为 Python 笔记本来训练模型的端到端示例。
- 您可以在此处找到训练模型并将其用于分类的示例。

输入

您的代码不会获得任何输入。相反,您应该使用提供的数据集文件来训练您的模型。

训练数据集表示为 JSON 文件,由两个数组组成:“Features”和“Labels”。每个数组正好有 200 个元素。 “Features”数组的每个元素都是一个包含 2 个元素的数组,每个元素都是 -1 到 1 之间的浮点数。“Labels”数组的每个元素是“Features”数组的相应元素所属类的标签,0 或 1。

输出

您的代码应按以下格式返回您要使用的模型的描述:

- 使用元组 (ControlledRotation[], (Double[], Double)) 描述模型。
- 元组的第一个元素将模型的电路几何结构描述为受控旋转门阵列。
- 元组的第二个元素描述模型的数字参数,并且是门使用的旋转角度数组和用于决定模型类别的偏差的元组。

您的代码应具有以下签名:

有关每个参数的详细信息,请参阅文档和示例。

注意

请注意,在您提交解决方案之前,大部分数据分析将“离线”进行。解决方案必须仅包含训练模型的描述,而不是训练代码本身 - 如果您在评估过程中尝试在提交的代码中“在线”训练模型,则很可能会超时。

离线训练模型可能涉及:

- 定义您的模型将使用的电路结构。
- 生成多个参数种子向量 - 模型将从其开始训练的值。
- 选择适当的训练过程超参数(学习率、批量大小、容差、最大迭代次数等)
- 训练多个分类模型(每个种子向量和超参数组合一个)
- 选择训练最好的模型并提交。