部分依赖图和单独条件期望图背后的直觉、数学和代码（R 和 Python）

PDP 和 ICE 图都可以帮助我们了解我们的模型如何做出预测。

使用个人显示面板我们可以将模型特征和目标变量之间的关系可视化。它们可以告诉我们某种关系是线性的、非线性的还是没有关系。

同样，当特征之间存在交互时，可以使用 ICE 图。我们将深入介绍这两种方法。

我们从 PDP 开始。我们将逐步向你介绍如何创建 PDP。你会发现这是一种直观的方法。即便如此，我们也将解释 PDP 背后的数学原理。然后我们继续讨论 ICE 图。你会发现，只要对 PDP 有充分的了解，这些图就很容易理解。在此过程中，我们讨论了这些方法的不同应用和变体，包括：

• 连续特征和分类特征的 PDP 和 ICE 图
• 二元目标变量的 PDP
• 2 个模型特征的 PDP
• 衍生 PDP
• 基于 PDP 和 ICE 图的特征重要性

我们确保讨论这两种方法的优点和局限性。这些是重要的部分。它们帮助我们了解什么时候这些方法最合适。它们还告诉我们它们在某些情况下如何导致错误的结论。

最后，我们将向你介绍这些