文章介绍可解释机器学习中的ALE方法。PDP将特征值代入所有样本，会产生现实中不存在的组合；ALE只考虑数据集中真实存在的样本，以局部区间内预测值的变化衡量特征影响，再累计成特征与预测的关系。ALE无偏、效率高、可处理相关特征，但区间划分影响波动，二维解释较复杂。类别特征可先排序再计算。总体建议优先用ALE而非PDP。