Uma equipe de ML está avaliando um modelo que prevê a rotatividade de clientes (uma classificação binária). Qual métrica é apropriada para medir o desempenho do modelo nesta tarefa?

O F1-score é uma métrica apropriada para classificação binária, especialmente quando há um desequilíbrio de classes, pois ele considera tanto a precisão (precision) quanto o recall. Ele é a média harmônica da precisão e do recall, fornecendo uma medida única que equilibra a capacidade do modelo de identificar corretamente os positivos (recall) e a proporção de positivos identificados que são realmente corretos (precisão). O Erro Quadrático Médio (MSE) e o R-quadrado são métricas usadas para problemas de regressão, não para classificação. O tempo usado para treinar o modelo é uma métrica de eficiência computacional, não de desempenho preditivo do modelo.