```yaml
title: "Accuracy (Precisión) y F-Score"
slug: "accuracy-f-score"
type: "glossary"
---
Definición
La Accuracy (Precisión) y el F-Score (frecuentemente llamado F1-Score) son métricas estadísticas esenciales para evaluar el rendimiento y la calidad predictiva de los modelos de Machine Learning en tareas de clasificación.Explicación
La Accuracy mide la proporción de predicciones correctas sobre el total de casos analizados. Sin embargo, esta métrica puede resultar engañosa cuando se trabaja con conjuntos de datos desequilibrados (o 'clases desbalanceadas'). Por ejemplo, si el 99% de los leads no se convierten en clientes, un modelo simplista que siempre prediga 'no conversión' podría alcanzar una Accuracy del 99%, pero en la práctica, carecería de valor real.El F-Score resuelve este problema al calcular la media armónica entre la Precision y el Recall (también conocido como Sensibilidad), lo que permite ponderar tanto los falsos positivos como los falsos negativos. En contextos B2B y SaaS, como la calificación automática de leads, la predicción de abandono (churn prediction) o la detección de spam, el F-Score se posiciona como la métrica más fiable para la optimización de modelos. Un F-Score equilibrado garantiza que el sistema funcione de manera estable en entornos reales y que los procesos críticos para el negocio puedan automatizarse con la máxima fiabilidad.