本文介绍了五种可视化机器学习模型的工具：1. TensorBoard，适用于神经网络模型，支持训练指标和模型结构可视化；2. SHAP，帮助理解输入特征对预测的影响；3. Yellowbrick，扩展scikit-learn，提供模型评估的可视化；4. Netron，专注于深度学习模型架构的可视化；5. LIME，提供直观的模型预测解释。这些工具有助于深入理解机器学习模型及其预测。

部分依赖图展示特征对预测的影响。与特征重要性不同，部分依赖图通过改变变量值生成预测，适用于线性和回归模型。对于复杂模型，部分依赖图能够捕捉更复杂的模式，二维部分依赖图可用于分析特征间的交互关系。