Görüntüleme
23
İndirme
2
Bu çalışmada kişilerin satın alma davranışları sürekli-değişken modele dayalı gözetimli kuantum makine öğrenmesi ile incelenmiştir. Bu bağlamda, örnek veriler bulut ortamından alınmaktadır. Bu verilerin %75’inin eğitim ve %25’inin test verisi olarak, homojen bir şekilde ayrılması sağlanmıştır. Ayrılan test verisinin eğitim işleminde kullanılmamasına, öğrenme işleminin sağlıklı gerçekleştirilmesi için dikkat edilmiştir. Sonrasında bu verilerdeki bağımsız değişkenler arasındaki uyumun sağlanması için normalizasyon işlemi gerçekleştirilmiştir. Böylece öğrenme işlemi için hazır hale gelen veriler, sürekli değişken modele dayalı varyasyonel devre üzerinde gerçekleştirilen gözetimli kuantum makine öğrenme algoritmasında kullanılmıştır. Ayrıca bu veriler klasik destek vektör makine öğrenme algoritması ile de simüle edilmiştir. Hem kuantum hem de klasik makine öğrenme algoritmalarına ait çapraz tahmin matrisleri ve alıcı işletim karakteristiği (AİK) eğrileri elde edilmiştir. Son olarak veri kümesindeki test verisi haricinde örnek değerler girilerek, sonuçlar metinsel ve görsel olarak görüntülenmiştir. Elde edilen sonuçların karşılaştırılması sonucunda ise sürekli değişken modele dayalı kuantum makine öğrenmesinin daha duyarlı sonuç verdiği tespit edilmiştir. Algoritmalar ile ilgili kaynak kodlar Github’ta bulunmaktadır.
In this study, people’s purchasing behavior was studied by the learning of a controlled quantum machine based on a constantly changing model. In this context, examples of data are taken from the cloud environment. 75% of these data were ensuring homogeneously separated as training and 25% test data. The test data is not used in the training process, it is advised to ensure that the learning process is performed in a healthy manner. The normalization process was subsequently carried out to ensure the compatibility between the independent variables in these data. Thus, the data that became ready for the learning process was used in the monitored quantum machine learning algorithm performed on a variable circuit based on a constantly changing model. These data are also simulated with the classic support vector machine learning algorithm. Cross-prognosis matrix of both quantum and classic machine learning algorithms and receiver operating characteristics (AIC) curves have been obtained. Finally, by entering sample values except the test data in the data set, the results are text and visual. As a result of the comparison of the achieved results, it has been found that the learning of the quantum machine based on a constantly changing model has a more sensitive result. Source codes related to algorithms are available on GitHub.
In this study, purchasing behavior of people is examined by supervised quantum machine learning based on continuous-variable model. In this context, sample data is taken from the cloud environment. These data is provided as homogenous separation as 75% training and 25% test data. Separated test data was not used in the training process, attention was paid to the healthy implementation of the learning process. Then, the normalization process was performed to ensure the consistency between the independent variables in this data. Thus, the data ready for the learning process are used in the supervised quantum machine learning algorithm performed on variational circuit based continuous variable model. In addition, these data are simulated with the classical support vector machine learning algorithm. Confusion matrices and receiver operating characteristic (ROC) curves for both quantum and classical machine learning algorithms were obtained. Finally, by entering sample values except the test data in the data set, the results are displayed textually and visually. Based on the obtained results, it was determined that quantum machine learning based on continuous variable model is more sensitive. The source codes related to algorithms are found in Github.
Dergi Türü : Uluslararası
Makale Detay 
Benzer Makaleler
PDF Görüntüle
Dergi Bilgisi
Eseri Dinleyin
Alıntı Yap
Bu Sayfayı Yazdırın
Paylaş
Mendeley
