Ein ML-Team evaluiert ein Modell, das die Kundenabwanderung (eine binäre Klassifizierung) vorhersagt. Welche Metrik ist geeignet, um die Leistung des Modells bei dieser Aufgabe zu messen?

Der F1-Score ist eine geeignete Metrik für die Kundenabwanderung, da es sich um ein binäres Klassifizierungsproblem handelt und die Klassen oft unausgewogen sind (weniger Abwanderer als Nicht-Abwanderer). Der F1-Score ist das harmonische Mittel aus Präzision und Recall und bietet eine gute Balance zwischen diesen beiden Metriken, was besonders wichtig ist, wenn falsch-positive und falsch-negative Vorhersagen unterschiedliche Kosten haben. Mean Squared Error (MSE) und R-squared sind Metriken für Regressionsprobleme, nicht für Klassifizierung. Die Trainingszeit des Modells ist eine Metrik für die Effizienz des Trainings, nicht für die Vorhersageleistung des Modells.