La interpretabilidad está volviéndose cada vez más importante para el análisis de modelos predictivos. Lamentablemente, como han señalado muchos autores, todavía no hay consenso respecto a esta noción. El objetivo de este documento es proponer la definición de un puntaje que permita comparar rápidamente algoritmos interpretables. Esta definición consta de tres términos, cada uno de los cuales se mide cuantitativamente con una fórmula simple: , y . Mientras que la predictividad ha sido estudiada extensamente para medir la precisión de los algoritmos predictivos, la estabilidad se basa en el índice de Dice-Sorensen para comparar dos conjuntos de reglas generados por un algoritmo utilizando dos muestras independientes. La simplicidad se basa en la suma de las longitudes de las reglas derivadas del modelo predictivo. El puntaje propuesto es una suma ponderada de los tres términos mencionados anteriormente. Utilizamos este puntaje para comparar la interpretabilidad de un conjunto de algoritmos basados en reglas y algoritmos basados en árboles para el caso de regresión y para el caso de clasificación.