تحتل تقديرات نقاط [التنبؤ](/tag/التنبؤ) (Prediction Interval - PI) موقعًا مركزيًا في مجال [تحليل البيانات](/tag/[تحليل](/tag/تحليل)-[البيانات](/tag/البيانات)) والنمذجة الاحتمالية، ولقد تم في [دراسة](/tag/دراسة) حديثة تقديم دالة فقد مبتكرة تُدعى 'Tube Loss' تهدف إلى [تحسين](/tag/تحسين) هذه التقديرات في سياق [نماذج](/tag/نماذج) [الانحدار](/tag/الانحدار).الهدف الرئيسي من Tube Loss هو تقديم تقديرات أكثر [دقة](/tag/دقة) لنقاط [التنبؤ](/tag/التنبؤ) من خلال [تحسين](/tag/تحسين) عرض النطاقات التي يتم حسابها، حيث تثبت النتائج أن النطاقات الناتجة عن استخدام هذه دالة الفقد تفوق من حيث الجودة النتائج المستحصل عليها من الطرق التقليدية.من بين أبرز مميزات Tube Loss، هو قدرتها على [تحقيق](/tag/تحقيق) مستوى [الثقة](/tag/الثقة) المُحدد مسبقًا، إذ تفيد [التجارب](/tag/التجارب) أن هذه النطاقات تتحقق مع زيادة [دقة النماذج](/tag/[دقة](/tag/دقة)-[النماذج](/tag/النماذج)).الأمر المثير هو أن المستخدم يمكنه [التحكم](/tag/التحكم) في موضع النطاق لأعلى أو لأسفل من خلال تعديل [قيمة](/tag/قيمة) معينة، مما يساعد على اختيار نطاق PI يغطي المناطق الأكثر كثافة في توزيع الاحتمالات للمتغير المستجيب، وبالتالي الحصول على نطاق أدق.وفي حال كان التوزيع الشرطي للمتغير المستجيب يميل، فإن [تقنية](/tag/تقنية) Tube Loss تظهر تفوقًا محسوسًا. وعلاوة على ذلك، فإن طريقة التقدير المعتمدة على Tube Loss تسمح بإجراء تعادل بين تغطية النقاط المتنبأ بها والعرض المتوسط للنطاقات من خلال حل مشكلة [تحسين](/tag/تحسين) واحدة.تُظهر [التجارب](/tag/التجارب) الواسعة، التي تم إجراؤها باستخدام كل من الآلات النوية والشبكات العصبية، فعالية استخدام Tube Loss في [تحسين](/tag/تحسين) [نماذج](/tag/نماذج) [التنبؤ](/tag/التنبؤ). كما أثبتت [نماذج](/tag/نماذج) [التنبؤ](/tag/التنبؤ) الاحتمالي العميقة التي تعتمد على Tube Loss أدائها الفائق مقارنة بالأساليب الأخرى في عدة مجالات [بيانات مرجعية](/tag/[بيانات](/tag/بيانات)-مرجعية). وتشير [الدراسة](/tag/الدراسة) أيضًا إلى مزايا استخدام Tube Loss ضمن إطار [التنبؤ](/tag/التنبؤ) المتناسق مما يزيد من قوتها. يمكنكم الاطلاع على [التعليمات البرمجية](/tag/[التعليمات](/tag/التعليمات)-البرمجية) المستخدمة في هذه [الأبحاث](/tag/الأبحاث) [عبر](/tag/عبر) الرابط: https://github.com/ltpritamanand/Tube_loss.