UCI Pima Indians Diabetes dataset

量子启发式数据插补显示出改进的分布保真度

研究人员开发了一种新颖的量子启发式框架用于数据插补，这是临床数据集预处理的关键步骤。该方法结合了主成分分析（PCA）和基于量子旋转的重建，利用无梯度优化器（如模拟退火和差分进化）来选择旋转角度。该方法在UCI Pima Indians Diabetes数据集上进行了评估，与包括SoftImpute、MissForest和VAE在内的各种经典和现代机器学习插补方法相比，在分布保真度方面显示出显著的改进。