¿Qué función de pérdida funciona mejor en regresión tabular?
Un estudio evalúa qué función de pérdida rinde mejor en redes para datos tabulares frente a MSE y descubre un límite clave en el early stopping global.
👁 111 lecturas
El artículo, publicado en octubre de 2026, es obra de seis investigadores: Danil Rudenko, Georgii Bulgakov, Nikolai Kartashev, Ivan Rubachev, Daniil Krasylnikov y Artem Babenko. El código de los experimentos está disponible públicamente en el enlace indicado en su trabajo.
El problema: falta una comparativa rigurosa de funciones de pérdida
Las redes neuronales aplicadas a datos tabulares son un campo de investigación muy activo, pero la elección de la función objetivo en tareas de regresión ha sido, según apuntan los autores, un grado de libertad poco explorado. Existen varias líneas de trabajo que plantean alternativas al error cuadrático medio estándar (MSE), pero las discrepancias entre conjuntos de datos, arquitecturas de red y protocolos de evaluación dificultaban comprobar sus ventajas reales en la práctica. Los autores se propusieron resolver este vacío.
Qué han analizado en el estudio
Llevaron a cabo una reevaluación sistemática de las funciones objetivo para regresión tabular. Las pusieron a prueba sobre una amplia selección de conjuntos de datos de referencia y a través de múltiples arquitecturas neuronales (el documento no detalla la lista con sus nombres específicos). Como referencia utilizaron una línea base de MSE debidamente ajustada; los autores insisten en que se trata de un «properly tuned MSE baseline», lo que significa que el punto de partida se optimizó con rigor y sin atajos.
Resultados: el MSE bien ajustado sigue siendo difícil de batir
Las conclusiones resultan reveladoras para muchas de las alternativas planteadas en la literatura técnica: la gran mayoría aporta ventajas limitadas o inconsistentes frente a un MSE bien configurado. La única excepción destacable es la pérdida cuantílica (quantile loss), que demuestra ser la única en ofrecer mejoras agregadas consistentes sobre el MSE en todas las arquitecturas evaluadas.
Un límite inesperado: el early stopping global
Incluso aplicando una función de pérdida más eficaz, el equipo detectó otro obstáculo: el mecanismo de parada temprana (early stopping). Esta técnica habitual detiene el entrenamiento en el momento en que el modelo deja de mejorar en el conjunto de validación. Sin embargo, los investigadores observaron que distintas regiones de los datos -con diferentes niveles de ruido en la variable objetivo- alcanzan su punto óptimo de precisión predictiva en épocas distintas del entrenamiento. Un punto de guardado o checkpoint global impone, por tanto, un compromiso no deseado entre estas zonas, incluso si la función de pérdida utilizada es capaz de representar distribuciones heterocedásticas. Dicho de otro modo: un único momento de parada se queda corto, ya que diferentes partes del espacio de características convergen a ritmos desiguales.
La solución propuesta para datos heterocedásticos
Para abordar este problema, los autores plantean una extensión de la pérdida cuantílica adaptada a la heterocedasticidad. El método recurre a un suavizado de etiquetas dependiente de la entrada (input-dependent label smoothing). Lo presentan como una posible medida paliativa, sin asegurar que resuelva el inconveniente por completo. Aun así, esta técnica consigue mejorar los resultados respecto a la pérdida cuantílica convencional en varias arquitecturas.
Lo que no detalla el documento
El resumen del trabajo no incluye cifras concretas sobre la magnitud exacta de la mejora (no especifica, por ejemplo, qué porcentaje de error se reduce ni cuántos conjuntos de datos se emplearon exactamente). Tampoco se detallan los nombres comerciales o específicos de las arquitecturas neuronales probadas ni la lista completa de las funciones de pérdida alternativas que no lograron superar la comparativa.
Google · Tus fuentesBrilla más alto en tu Google - con un solo clicAñadir a fuentes preferidas →Conclusiones: qué implica para entrenar modelos
A nuestro juicio, este trabajo funciona sobre todo como una advertencia útil frente a la tentación de adoptar funciones de pérdida más novedosas o complejas sin comprobarlas a fondo: la mayoría no supera a un MSE sólidamente ajustado. Todavía más interesante resulta el hallazgo sobre el early stopping global, una limitación que afecta prácticamente a cualquiera que entrene modelos sobre datos tabulares y que rara vez se debate de forma explícita. No busca revolucionar la disciplina, pero aporta orden al panorama técnico y señala con precisión una debilidad oculta en las prácticas de entrenamiento habituales.
Fuente: arXiv cs.AI: Revisiting Tabular Deep Regression: Objectives and the Limits of Global Early Stopping (documento del 12-10-2026). Este análisis se ha elaborado a partir del texto completo de la publicación original.
More on this from FULGOR
herramientas de ia·Qué puede hacer Seedance 2.5: 8 ejemplos con promptsAnalizamos Seedance 2.5 con 8 ejemplos reales: plano secuencia de 30 s, 18 referencias, sustitución de croma verde y pruebas propias de texto e imagen a vídeo.