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。