在R語言中，ROC曲線和AUC（Area Under the Curve）常用于評估分類模型的性能。
ROC曲線是Receiver Operating Characteristic curve的縮寫，用于顯示分類模型在不同閾值下的敏感性和特異性之間的權衡。ROC曲線的橫軸是假陽性率（False Positive Rate，FPR），縱軸是真陽性率（True Positive Rate，TPR），曲線下方的面積就是AUC。
AUC值越接近1，代表模型的性能越好；AUC值為0.5說明模型的預測效果與隨機猜測沒有區別；AUC值小于0.5說明模型的性能比隨機猜測還要差。
因此，通過ROC曲線和AUC值可以直觀地評估分類模型的性能，幫助選擇最適合的模型。
