تحتل تقديرات نقاط التنبؤ (Prediction Interval - PI) موقعًا مركزيًا في مجال تحليل البيانات والنمذجة الاحتمالية، ولقد تم في دراسة حديثة تقديم دالة فقد مبتكرة تُدعى 'Tube Loss' تهدف إلى تحسين هذه التقديرات في سياق نماذج الانحدار.الهدف الرئيسي من Tube Loss هو تقديم تقديرات أكثر دقة لنقاط التنبؤ من خلال 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 مستوى الثقة المُحدد مسبقًا، إذ تفيد التجارب أن هذه النطاقات تتحقق مع زيادة دقة النماذج.الأمر المثير هو أن المستخدم يمكنه التحكم في موضع النطاق لأعلى أو لأسفل من خلال تعديل 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 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 واحدة.تُظهر التجارب الواسعة، التي تم إجراؤها باستخدام كل من الآلات النوية والشبكات العصبية، فعالية استخدام Tube Loss في تحسين نماذج التنبؤ. كما أثبتت نماذج التنبؤ الاحتمالي العميقة التي تعتمد على Tube Loss أدائها الفائق مقارنة بالأساليب الأخرى في عدة مجالات بيانات مرجعية. وتشير الدراسة أيضًا إلى مزايا استخدام Tube Loss ضمن إطار التنبؤ المتناسق مما يزيد من قوتها. يمكنكم الاطلاع على التعليمات البرمجية المستخدمة في هذه الأبحاث عبر الرابط: https://github.com/ltpritamanand/Tube_loss.