FACTORES: Aproximación Factorial para la Optimización Complementaria de Dos Factores con Evaluación de Riesgos

Proponemos FACTORES, un marco que combina el diseño de experimentos con la descomposición de Shapley para abordar problemas de rendimiento y estabilidad que son sensibles a combinaciones de factores de entrenamiento. Nuestro enfoque estima consistentemente los efectos principales y las interacciones de dos factores, y luego los integra en una función objetivo ajustada por riesgo que tiene en cuenta conjuntamente la incertidumbre y el costo, permitiendo una selección confiable de configuraciones dentro de un presupuesto fijo. La estimación de efectos se implementa a través de dos caminos complementarios: un camino de plug-in basado en medias condicionales y un camino de mínimos cuadrados que reconstruye las contribuciones de Shapley a partir de muestras. Estos caminos están diseñados para funcionar complementariamente incluso cuando la densidad del diseño y los niveles de sesgo difieren. Al incorporar la estandarización de estimaciones, la corrección de sesgo y la cuantificación de la incertidumbre, nuestro procedimiento asegura comparabilidad a través de espacios de factores y diseños heterogéneos, mientras que una rutina de búsqueda ligera produce configuraciones en un tiempo práctico incluso para grandes espacios de factores. En el lado teórico, proporcionamos descomposiciones de error, análisis de complejidad de muestras y límites superiores en las brechas de optimalidad. En el lado interpretativo, resumimos los efectos principales y las interacciones en forma de mapa, destacando prioridades de ajuste y caminos de mejora seguros. A través de diversos conjuntos de datos y condiciones de diseño, nuestro enfoque mejora la preservación del rango y la identificación de configuraciones óptimas, reduce los riesgos en la toma de decisiones y ofrece una base de ajuste que proporciona justificación interpretable junto con ganancias de rendimiento estables incluso bajo restricciones presupuestarias.