局部依赖图（PDP）用于分析单个特征与目标之间的关系，通过计算期望值来解释模型中单特征的影响。对于数值型特征，方差可作为重要性衡量；对于类别型特征，则可用特定公式近似。PDP适用于黑盒模型，但仅限于两个特征的解释，并依赖于数据分布，可能隐藏某些影响。

PDP（局部依赖图）通过固定目标特征值并对其他特征取数据集样本平均，展示单个或两个特征与模型预测的关系，从而解释特征效应。它直观易用，适用于任何黑盒模型，但最多只能解释两个特征，且假设特征独立，可能掩盖特征间的交互影响。