Qiskit VQC训练报错：输入数据形状不匹配问题求助

核心错误分析 #

1. fit方法参数传错：vqc.fit(X_train, X_test) 中第二个参数应传入训练集标签y_train，而非测试集特征X_test。VQC的fit()方法要求第二个参数是样本对应的标签，传入测试特征会直接导致维度不匹配。
2. 特征映射选择错误：使用TwoLocal作为feature_map不合适，它默认是变分电路的ansatz组件，而非用于经典特征到量子态的编码映射，这会导致VQC无法识别输入特征的维度，出现"应为0，实际得到2"的错误。

修正后的代码 #

from qiskit import QuantumCircuit, transpile, assemble
from qiskit_aer import Aer
from qiskit_machine_learning.algorithms import VQC
from qiskit_algorithms.optimizers import COBYLA
from qiskit.circuit.library import TwoLocal, ZZFeatureMap
from sklearn.preprocessing import StandardScaler
from sklearn.model_selection import train_test_split
import numpy as np

# 演示用样本数据
scaled_data = np.random.rand(150, 2)
y = np.random.randint(0, 3, size=150)

# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(scaled_data, y, test_size=0.3, random_state=42)

# 根据特征维度定义量子比特数量
num_qubits = X_train.shape[1]

# 使用专门的特征映射ZZFeatureMap完成经典特征编码
feature_map = ZZFeatureMap(num_qubits=num_qubits, entanglement='linear')
# ansatz使用TwoLocal作为变分电路组件
ansatz = TwoLocal(num_qubits=num_qubits, entanglement='linear', rotation_blocks=['ry', 'rz'], entanglement_gate='cz')

# 定义优化器
optimizer = COBYLA()

# 初始化VQC，指定交叉熵损失适配多分类场景
vqc = VQC(feature_map=feature_map, ansatz=ansatz, optimizer=optimizer, loss='cross_entropy')

# 修正fit参数：传入训练特征与训练标签
vqc.fit(X_train, y_train)

# 评估分类器
score = vqc.score(X_test, y_test)
print(f"测试集准确率: {score}")

额外说明 #

• ZZFeatureMap：是Qiskit中专门用于经典特征编码的映射，会根据输入特征的维度自动匹配输入数量，确保和你的2维特征对齐。
• fit方法规范：所有机器学习模型的fit方法均遵循(特征数据, 标签数据)的参数格式，不要混淆测试集与标签的传入位置。
• 多分类适配：针对3分类任务，显式指定loss='cross_entropy'可让VQC更好地适配多分类场景。

内容的提问来源于stack exchange，提问作者Dr Amit K Awasthi