Аннотация:Данная работа представляет собой обзорную статью по теме «Обучение метрики». В разделе 2 рассмотрены некоторые зарекомендовавшие себя классические методы обучения метрики, далее в разделе 3 описаны подходы, которые применяются при обучении метрики на Римановом многообразии. Раздел 4 посвящен применению в задаче обучения метрики техник, которые зарекомендовали себя в других областях машинного обучения. Далее в разделе 5 рассмотрены некоторые проблемы методов обучения метрики, которые связаны в основном с вычислительной неэффективностью. Раздел 6 посвящен нелинейным подходам при обучении метрики, которые способны использовать более сложные зависимости в данных. Отдельное внимание в данной работе уделено методу Curvilinear Distance Metric Learning (CDML), подробно описана геометрическая интерпретация обучения метрики, которая используется при
описании данного подхода. Также доступна реализация метода CDML, выполненная автором данной работы. Стоит уточнить, что данная работа практически не будет касаться методов обучения мет-
рики в глубоком обучении (deep metric learning), хотя многие современные статьи, связанные
с обучением метрики, рассказывают о его применении в глубоком обучении.