度量学习、分类与检索

以下纯属个人观点，如有错误，请批评指正

最近用到距离度量学习了，于是乎思考了一下。

距离度量学习，最终学出的是M。监督的距离度量学习，最终根据类别标记，学习出一个好的M，来度量同一类样本之间的相似性。

这是一个类与相似性之间的直接对应关系。因为对于分类器来说，有的是以距离作为分类标准的，距离近的就认为属于同一类。但是有的并不是以距离作为分类标准，

比如SVM是以支持向量机形成的两个分界面作为标准的。距离近的未必是同一类。所以分类器和距离不是对等或者正比的关系。

所以度量学习，是学习出了类和相似性度量之间的直接对应关系。

而对于检索任务来说，给定一个Query，我们要做的是要在数据库中检索到和Query距离最近的样本。这是基于距离的，是基于相似性度量的。

所以对于检索任务，在训练的过程中也要以距离度量作为标准。

所以，度量学习和检索任务是可以相互关联的。

当然检索任务中，好的距离也不一定非得是通过距离度量学习到，也可能很明显用欧式距离就可以，也可能还会有其他方式来表示。