La precisión, la sensibilidad, la especificidad y la precisión son medidas clave de rendimiento para clasificadores binarios. Para obtener estas medidas, las probabilidades generadas por los clasificadores deben convertirse en etiquetas determinísticas utilizando un umbral. Los métodos de búsqueda exhaustiva pueden ser computacionalmente costosos, lo que motiva la necesidad de una solución más eficiente. Proponemos una formulación de programación lineal entera (ILP) para encontrar el umbral que maximiza cualquier combinación lineal de estas medidas. Simulaciones y experimentos en cuatro conjuntos de datos del mundo real demuestran que nuestro enfoque identifica el umbral óptimo órdenes de magnitud más rápido que una búsqueda exhaustiva. Este trabajo establece ILP como una herramienta eficiente para optimizar el rendimiento del clasificador.