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。