一个机器学习团队正在评估一个预测客户流失（二元分类）的模型。哪种指标适合衡量模型在此任务上的性能？

F1 Score 是一个综合了精确率（Precision）和召回率（Recall）的指标，特别适用于评估二元分类模型，尤其是在类别不平衡的情况下（例如，流失客户通常远少于非流失客户）。它能平衡模型识别正类（流失客户）的准确性和完整性。 均方误差（MSE）和 R-squared 主要用于回归任务，衡量预测值与真实值之间的数值差异，不适用于分类任务。模型训练所用的时间是衡量效率的指标，而不是模型性能的指标。