评价模型和预测模型在本质上并没有太大区别，都是通过建立合适的函数来处理数据和做出预测。
预测模型通常关注的是找到一个合适的函数来进行预测或分类。因此，能做预测的模型在大多数情况下也可以用来做分类。
综上，预测模型和评价模型都是对未知事物或未来事件的预测或评估，但是它们的具体操作方式和应用场景有所不同。
预测模型和评估模型在机器学习中是两个不同的概念。预测模型是指对训练好的模型进行测试和评估，以确定模型的性能如何。预测模型通常涉及将模型应用于新的数据集，然后比较模型的预测结果与实际结果之间的差异。例如，神经网络预测、灰色预测、拟合插值预测（线性回归）、时间序列预测、马尔科夫链预测、微分方程预测、Logistic 模型等都属于预测模型。
评估模型则是对训练好的模型进行测试和评估，以确定模型的性能如何。评估模型通常涉及将模型应用于新的数据集，然后比较模型的预测结果与实际结果之间的差异。例如，NRI和AUC都用于评估预测模型的区分度，但有区别。AUC是一个综合指标，考虑了所有预测概率作为界值的综合判定。此外，评价一个模型的好坏可以从区分度（Discrimination）和校准度（Calibration）两个方面进行。
