Este artículo aborda los desafíos de seleccionar clasificadores robustos con niveles crecientes de ruido en escenarios del mundo real. Proponemos la metodología WB Score, que permite la identificación de clasificadores confiables para su implementación en entornos ruidosos. La metodología aborda cuatro desafíos significativos que se encuentran comúnmente: (i) Asegurar que los clasificadores posean robustez al ruido; (ii) Superar la dificultad de obtener datos representativos que capturen el ruido del mundo real; (iii) Abordar la complejidad de detectar ruido, lo que dificulta diferenciarlo de las variaciones naturales en los datos; y (iv) Cumplir con el requisito de clasificadores capaces de manejar eficientemente el ruido, permitiendo respuestas rápidas para la toma de decisiones. WB Score proporciona un enfoque integral para la evaluación y selección de clasificadores para abordar estos desafíos. Analizamos cinco conjuntos de datos clásicos y un conjunto de datos personalizado de inundaciones en São Paulo. Los resultados demuestran que el efecto práctico de utilizar la metodología WB Score es la capacidad mejorada de seleccionar clasificadores robustos para conjuntos de datos en escenarios ruidosos del mundo real. En comparación con técnicas similares, la mejora se centra en proporcionar una salida visual e intuitiva, mejorando la comprensión de la resistencia del clasificador al ruido y agilizando el proceso de toma de decisiones.