O que mais, além da entropia cruzada, pode ser usado como função de perda?

Além da entropia cruzada, podem ser usadas várias opções de funções de perda em tarefas de aprendizado de máquina, dependendo da tarefa e do modelo:

• MSE (Erro Quadrático Médio) — erro quadrático médio, frequentemente usado em tarefas de regressão.
• MAE (Erro Absoluto Médio) — erro absoluto médio, mais resistente a valores extremos.
• Hinge Loss — usado em tarefas de classificação com SVM.
• Focal Loss — uma modificação da entropia cruzada que foca em exemplos difíceis de classificar, útil em dados desequilibrados.
• KL Divergence — medida de divergência entre distribuições, aplicada em autoencoders variacionais e outros.
• Dice Loss / Jaccard Loss — usados em tarefas de segmentação para avaliar a sobreposição entre a previsão e a máscara verdadeira.

A escolha da função de perda depende da tarefa específica, do tipo de dados e dos objetivos de treinamento.