Las **submissions** se evalúan con **F1 Score** (binario, clase positiva = `1`).
El F1 combina **precision** y **recall** en una sola métrica:
$$F1 = \frac{2 · (precision · recall)}{(precision + recall)}$$

> Importante: debés **enviar etiquetas 0/1** (no probabilidades). Elegí tu **umbral** en tu validación para convertir probabilidades a 0/1 si tu modelo las genera.

### Leaderboard

* **Público:** calcula F1 sobre una parte del set de test (feedback durante la competencia).
* **Privado:** calcula F1 sobre el resto de los datos y define el ranking final al cierre del Hackatón.

## Formato de envío

Creá un archivo `submission.csv` con **todas** las filas de `test.csv`, con el siguiente formato:

```
track_id,is_hit
3D8JumtUDOA6p5knz,0
5oO3drruQ8qrP46Tv,1
9xYzAB3C32gFFER5n,0
...
```

**Reglas del archivo:**

* Debe contener exactamente **una fila por `track_id`** del test, **sin duplicados ni faltantes**.
* La columna `is_hit` debe ser **0 o 1**.
* Usá `sample_submission.csv` como plantilla para evitar errores de formato.