基本動機：嘗試學習出一個合適的距離度量
馬氏距離：?
表示數(shù)據(jù)的協(xié)方差距離。它是一種有效的計算兩個未知樣本集的相似度的方法。與歐氏距離不同的是它考慮到各種特性之間的聯(lián)系（例如：一條關(guān)于身高的信息會帶來一條關(guān)于體重的信息，因為兩者是有關(guān)聯(lián)的）
不同的度量學習方法針對不同目標獲得“好”的半正定對稱距離度量矩陣M，若M是一個低秩矩陣，則通過對M進行特征值分解，總能找到一組正交基，其正交基數(shù)目為矩陣M的秩，小于原屬性數(shù)d,于是，度量學習學得的結(jié)果可衍生出一個降維矩陣P，能用與降維。
