小样本学习之原型网络

参考链接：https://blog.csdn.net/Snoopy_S/article/details/88420013

在小样本分类问题中，最需要解决的一个问题是数据的过拟合，由于数据过少，一般的分类算法会表现出过拟合的现象，从而导致分类结果与实际结果有较大的误差。为了减少因数据量过少而导致的过拟合的影响，可以使用基于度量的元学习方法，而原型网络便是。在此方法中，需要将样本投影到一个度量空间，且在这个空间中同类样本距离较近，异类样本的距离较远，如图：

在这个投影空间中，存在有三个类别的样本，且相同类别的样本间距离较近。为了给一个未标注样本x进行标注，则将样本x投影至这个空间并计算x距哪个类别较近，则认为x属于哪个类别。

那么，现在有几个问题：

1. 怎么将这些样本投影至一个空间且让同类样本间距离较近？
2. 怎么说明一个类别所在的位置？从而能够让未标记的样本计算与类别的距离

原型网络的原理较为简单，但是有一点小问题就是，对于两个或多个样本的相似度，用距离较近来度量是否合理。