› Le choix de la fonction objectif pour la régression avec des réseaux de neurones sur données tabulaires reste un paramètre souvent négligé.
› Une étude publiée par Danil Rudenko, Georgii Bulgakov, Nikolai Kartashev, Ivan Rubachev, Daniil Krasylnikov et Artem Babenko réévalue ces méthodes et met en évidence une faille méconnue de l'entraînement standard : les limites de l'early stopping global.
› Le code de leurs expériences est mis à disposition publiquement dans les références du papier.Le problème : l'absence de comparatif rigoureux des fonctions de perteL'application des réseaux de neurones aux données tabulaires représente un domaine de recherche très actif.
› Pourtant, le choix de la fonction objectif dans les tâches de régression restait, selon les termes des auteurs, un degré de liberté insuffisamment exploré.