Metrisches Lernen kann auch als Ähnlichkeit betrachtet werden. Beim metrischen Lernen geht es darum, die Ähnlichkeit zwischen Stichproben zu messen, was eines der Kernprobleme bei der Mustererkennung ist.

Das Ziel des metrischen Lernens besteht darin, den Abstand zwischen Proben desselben Typs zu minimieren und den Abstand zwischen Proben unterschiedlichen Typs zu maximieren.