# 变分量子分类器

变分量子分类器的精度通常靠增加纠缠门来换，但CNOT的出错率和执行时间都远高于单比特门。OQMD把测量前的读出映射也纳入训练，用可训练的单比特旋转选择测量基，不增加任何CNOT。在Iris的30点分层测试集上，0个CNOT的最佳OQMD配置达到83.33%，高于最佳18-CNOT对照的56.67%；18-CNOT上OQMD峰值从56.67%升到66.67%，但合并均值差距很小。

变分量子分类器的精度通常靠增加纠缠门来换，但CNOT的出错率和执行时间都远高于单比特门。OQMD把测量前的读出映射也纳入训练，用可训练的单比特旋转选择测量基，不增加任何CNOT。在Iris的30点分层测试集上，0个CNOT的最佳OQMD配置达到83.33%，高于最佳18-CNOT对照的56.67%；18-CNOT上OQMD峰值从56.67%升到66.67%，但合并均值差距很小。