ROC是“接收操作特征”（Receiver Operating Characteristic）的缩写，用于评估二元分类模型的性能。它通过绘制真正例率（True Positive Rate）与假正例率（False Positive Rate）之间的曲线来衡量模型在不同阈值下的性能。
PRC是“预测对数概率”（Probability ROC Curve）或“真阳性率-假阳性率曲线”（True Positive Rate - False Positive Rate curve）的缩写，它是一种用于评估二元分类器性能的可视化方法。PRC是一种将ROC曲线的横坐标从假正例率（FPR）转换为预测对数概率（Logit）的曲线。这种方法有助于更好地理解分类器的输出及其在特定阈值下的性能。