每个空间对应了在样本属性上定义的一个距离度量。寻找合适的空间,本质上就是在寻找一个合适的距离度量。 推广欧氏距离:对于两个 维样本 ,假定不同的属性的重要性不同,因此引入了权重: 其中 表示 在第 维上的距离, 第 维距离的权重。 则 。 上式中的权重矩阵 可以通过学习确定。 对 学习的目标是:将 嵌入到学习器的评价指标中去,通过优化学习器的评价指标来求得 。 即:对 的学习无法直接提出优化目标,而是将 的学习与学习器的学习作为一个整体,然后优化学习器的优化目标。