Modelos no accionables

Identificar experimentos fallidos y modelos que no han ayudado a impulsar los resultados de negocio deseados es importante: ayuda a asegurar que los recursos se asignen a las áreas con mayor impacto. A continuación tienes tres resultados de una prueba de prevención del churn basada en la salida de un modelo de ML. ¿Cuál tuvo el mejor desempeño y debería elegirse para su implementación en los sistemas principales de producción?