qiskit_noise_learning.analysis.LinearSystemData

class qiskit_noise_learning.analysis.LinearSystemData(A: ndarray | sparray, b: ndarray, sigma_b: ndarray, row_diagnostics: Mapping[str, ndarray], row_index_map: Mapping[RowIndex, int], column_index_map: Mapping[ColumnIndex, int], time_lb: datetime64, time_ub: datetime64)

GitHub

베이스: Generic[RowIndex, ColumnIndex]

해결해야 할 선형 시스템과 원시 형식의 메타데이터.

축 레이블과 메타데이터가 A @ x = b 포함된 선형 시스템.

행 및 열 레이블은 임의의 해시 가능한 유형입니다. 이 클래스는 행이나 열이 무엇을 나타내는지에 대해 어떠한 가정도 하지 않습니다. 이 시스템에서 행은 from_fit() Path 객체이며, 열은 충실도 모델의 매개변수 레이블입니다.

인덱스 맵은 레이블이 내부의 위치와 어떻게 대응되는지에 대한 공식적인 기록입니다 A. 라벨 키가 지정된 수량을 배열과 정렬해야 하는 경우, 또는 row_index_map 에서 대응 관계를 다시 구축하는 column_index_map 대신 row_labels 또는 을 통해 인덱싱해야 합니다 column_labels.

매개변수

A – 모양이 인 행렬을 (m, n), 밀집 배열 또는 SciPy 스파스 배열로 표현합니다.
b – 목표 벡터의 길이 m.
sigma_b – 행당 b 통계적 1-sigma 불확실성, 길이는 m.
row_diagnostics – 를 생성한 단계에서 기록한 행별 수량 정보로 b, 각 항목은 길이가 인 배열이며 m , 해당 수량이 정의되지 않은 행에 대한 nan 값을 포함합니다. 키(Keys)는 업스트림에서 사용되는 메타데이터 이름입니다. 참조: from_fit().
row_index_map – 행 레이블과 해당 행의 정수 위치 간의 매핑입니다 A.
column_index_map – 열 레이블과 해당 열의 정수 위치 간의 매핑입니다 A.
time_lb – 행 전체에서 가장 이른 시간.
time_ub – 행 전체에서 가장 최근의 시간.

init

__init__(A: ndarray | sparray, b: ndarray, sigma_b: ndarray, row_diagnostics: Mapping[str, ndarray], row_index_map: Mapping[RowIndex, int], column_index_map: Mapping[ColumnIndex, int], time_lb: datetime64, time_ub: datetime64) → None

메소드

칼럼 1	칼럼 2
`__init__`(A, b, sigma_b, row_diagnostics,...)
`from_fit`(적합)	.을 사용하여 선형 시스템 배열을 생성합니다 `Fit`.

속성

칼럼 1	칼럼 2
`column_labels`	열 레이블은. 내의 열 위치 순서대로 정렬됩니다 `A`.
`row_labels`	행 레이블은. 내의 행 위치 순서대로 정렬됩니다 `A`.
`A`
`b`
`sigma_b`
`row_diagnostics`
`row_index_map`
`column_index_map`
`time_lb`
`time_ub`

row_labels

유형: list[RowIndex]

행 레이블은. 내의 행 위치 순서대로 정렬됩니다 A.

column_labels

유형: list[ColumnIndex]

열 레이블은. 내의 열 위치 순서대로 정렬됩니다 A.

from_fit

classmethod from_fit(fit: Fit) → LinearSystemData[Path, Hashable]

.을 사용하여 선형 시스템 배열을 생성합니다 Fit.

행은 의 Path 객체이며 AggregatedObservableData, 열은 충실도 모델의 매개변수 레이블이고, 는 생성 단계에서 사용한 이름 아래에 있는 관측값별 모든 실수형 메타데이터 항목을 row_diagnostics 포함합니다. 예를 들어, 에서 "reduced_chi_squared" 온 입니다 CurveFitObservables.

경고합니다

UserWarning – 어떤 행의 불확실성이 양수가 아니거나 유한하지 않은 경우, 해당 행들이 에서 차지하는 위치를 나타냅니다 row_labels. 이러한 행은 통계적으로 유의미한 가치를 지니지 않으며, 이를 어떻게 처리할지는 솔버에 달려 있습니다.

이 페이지가 도움이 되었습니까?

GitHub에서 버그, 오타를 보고하거나 컨텐츠를 요청하십시오.