在传统机器学习中数据编码确实相对直观：独热编码处理类别变量，标准化调整数值范围，然后直接输入模型训练。整个过程更像是数据清洗，而非核心算法组件。
量子机器学习的编码完全是另一回事。
传统算法可以直接消化特征向量 ***[0.7, 1.2, -0.3]***，但量子电路运行在概率幅和量子态的数学空间里。你的每个编码决策——是用角度旋转、振幅映射还是基态表示——都在重新定义信息在量子系统中的存在形式。这不是简单的格式转换，而是从根本上塑造了量子算法能够"看到"和处理的数据结构。
在量子机器学习中，编码不是预处理，而是算法设计的核心。
本文我们会详细讲解量子数据编码的三种主要方法，分析它们与传统方法的区别，以及为什么选对编码方式会决定你的量子模型成败。
https://avoid.overfit.cn/post/460fd17cca6647cb886c14d61180e73a