Una empresa financiera implementó un modelo de ML para predecir la rotación de clientes y tiene una semana de datos de producción. Quieren medir la precisión con la que el modelo predice la rotación frente a los resultados reales. ¿Qué métrica deberían usar?

La Puntuación F1 es la métrica más adecuada porque es un promedio armónico de la precisión y la exhaustividad (recall), lo que la hace ideal para problemas de clasificación como la predicción de la rotación de clientes, especialmente cuando las clases están desequilibradas (pocos clientes rotan en comparación con los que no). El Error Cuadrático Medio (RMSE) se usa para problemas de regresión, no de clasificación. El Retorno de la Inversión (ROI) es una métrica financiera que mide la rentabilidad, no la precisión del modelo. La Puntuación BLEU se utiliza para evaluar la calidad de la traducción automática, no para la clasificación binaria.