Machine learning 度量学习与相似性学习

我很难找到关于相似性学习的全面解释。从我收集的信息来看，它与度量学习是一样的，只是它试图学习相似性函数而不是度量

有人能澄清一下他们之间的区别吗？ 任何链接或来源将不胜感激

提前感谢。

对于大多数（所有？）目的，度量学习是相似性学习的一个子集。请注意，在常见用法中，“相似”大致是“距离”的倒数：它们之间距离较短的事物具有较高的相似性。在实践中，这通常是一个语义选择的问题——一个连续的转换通常可以使两个同构

指标需要遵循一定的规则；相似性函数有更宽松的标准。例如，将一部全长（比如2小时）的电影

M

与一部20分钟的动画缩影

a

进行比较。度量函数

f

要求

f（M，A）=f（A，M）

。然而，如果你认为电影的丰富性意味着它不应该把卡通视为如此亲密的亲戚，你可以输入一对训练三元组

(A, M, 0.90)
(M, A, 0.15)

另一个例子是集合相似性，通过大小和成员资格来衡量，但采用非欧几里得方式

a = {1, 2, 3, 4}
b = {3, 4, 5, 6}
c = {5, 6, 7, 8}

相似性训练将允许

(a, b, 2)
(b, c, 2)
(a, c, 10)

在这个“世界”中，

a

和

c

受到了很大的惩罚，因为它们除了设置大小之外没有任何共同点<代码>b与它们中的每一个都很接近，因为有一半的元素是相同的。这会给度量函数带来麻烦，因为它严重违反了三角形不等式的子加法

这有助于消除差异吗？

对于大多数（所有？）目的，度量学习是相似性学习的一个子集。请注意，在常见用法中，“相似”大致是“距离”的倒数：它们之间距离较短的事物具有较高的相似性。在实践中，这通常是一个语义选择的问题——一个连续的转换通常可以使两个同构

指标需要遵循一定的规则；相似性函数有更宽松的标准。例如，将一部全长（比如2小时）的电影

M

与一部20分钟的动画缩影

a

进行比较。度量函数

f

要求

f（M，A）=f（A，M）

。然而，如果你认为电影的丰富性意味着它不应该把卡通视为如此亲密的亲戚，你可以输入一对训练三元组

(A, M, 0.90)
(M, A, 0.15)

另一个例子是集合相似性，通过大小和成员资格来衡量，但采用非欧几里得方式

a = {1, 2, 3, 4}
b = {3, 4, 5, 6}
c = {5, 6, 7, 8}

相似性训练将允许

(a, b, 2)
(b, c, 2)
(a, c, 10)

在这个“世界”中，

a

和

c

受到了很大的惩罚，因为它们除了设置大小之外没有任何共同点<代码>b与它们中的每一个都很接近，因为有一半的元素是相同的。这会给度量函数带来麻烦，因为它严重违反了三角形不等式的子加法

---

这有助于消除差异吗？

您发现哪些内容是可以理解的，但不够全面？这本书很好地涵盖了这一点，所以我知道这两本书都试图学习一个度量或相似性函数，它可以关联或区分两个对象。然而，我不理解度量和相似性概念的区别。感觉它们几乎是相同的衡量标准。你发现什么是可以理解但不够全面的？这本书很好地涵盖了这一点，所以我知道这两本书都试图学习一个度量或相似性函数，它可以关联或区分两个对象。然而，我不理解度量和相似性概念的区别。感觉它们几乎是一样的尺度。这确实让事情变得清晰了。如果我说相似性度量是一个更抽象的距离度量，它不能在欧几里德空间中表示，这是正确的吗？否：相似性度量不必限定为距离度量。“距离度量”是一个严格定义的术语。这有点像说一般复数是一个“更抽象的整数”。是的，这就是我对它的理解，我的措辞可能有点偏离了“相似性是更抽象的……”谢谢你我看到你是一名研究论文的编辑和深度学习工程师。我目前正在写一篇关于利用深度相似性学习预测足球比赛结果及其排名的研究论文。我想你可能会对这个主题和最终产品感兴趣。如果你是，让我知道。很高兴知道我们在同一条思路上；谢谢是的，我对这篇研究论文感兴趣。到时候在这里发布一个链接？这会让事情变得更清楚。如果我说相似性度量是一个更抽象的距离度量，它不能在欧几里德空间中表示，这是正确的吗？否：相似性度量不必限定为距离度量。“距离度量”是一个严格定义的术语。这有点像说一般复数是一个“更抽象的整数”。是的，这就是我对它的理解，我的措辞可能有点偏离了“相似性是更抽象的……”谢谢你我看到你是一名研究论文的编辑和深度学习工程师。我目前正在写一篇关于利用深度相似性学习预测足球比赛结果及其排名的研究论文。我想你可能会对这个主题和最终产品感兴趣。如果你是，让我知道。很高兴知道我们在同一条思路上；谢谢是的，我对这篇研究论文感兴趣。到时候在这里发布链接？