用分类模型做排序任务时 margin 的必要性

分类任务的目标是“ 最靠近所属类的中心”， 但排序时是对 所有样本距离从小到大来排序。这会遇到如下困境：z1属于c1，但离z2较近，检索做排序时则会把z2排到其他c1类样本的前边，要解决这个问题，则需要z1与z3的距离小于z1与z2的距离，即“ 类内差距小于类间差距”。

三角不等式

平时，我们说的距离一般指比较直观的“欧氏距离”，但在数学上距离，距离又叫“度量”，它有公理化的定义，是指定义在某个集合上的二元函数$d(x,y)$，满足：

类内差距小于类间差距推到

其中已知条件利用了 4：三角不等式

AM-Softmax

通过上面的推导，我们知道为了保证分类模型的特征可以用于排序，那么每个样本不仅仅要最靠近类中心，而且是距离加上 m 之后还要最靠近类中心，即如果 z1 属于类 c1 的话，那么就要求：

注意：小知识：


引用：https://mp.weixin.qq.com/s/0jrwTHYxotzEO21Ge_-gcQ