一個機器學習團隊正在評估一個預測客戶流失的模型（二元分類）。哪一個指標適合衡量模型在這個任務上的表現？

F1 score 適用於衡量二元分類模型，特別是當類別分佈不平衡時，例如客戶流失（通常流失客戶較少）。F1 score 是精確率 (Precision) 和召回率 (Recall) 的調和平均值，能同時考慮模型預測正例的準確性以及找出所有正例的能力。 Mean squared error (MSE) 和 R-squared 適用於迴歸模型，用來衡量預測值與實際值之間的差異，不適用於分類任務。模型訓練所花費的時間是衡量模型效率的指標，而非模型預測表現的指標。