평균 반응 계산하기
관심 특징을 x, 나머지를 z라 하고 학습된 모델을 f라 쓰자. 기준 표본의 나머지 특징이 z₁부터 zₙ이면 경험적 부분 의존도는 f(x,zᵢ)를 모두 더해 n으로 나눈 값이다. 각 x마다 모델을 새로 학습하는 것은 아니다.
간단한 선형 예
모델이 f(x,z)=2x+z이고 기준 자료의 z가 1과 3이면 부분 의존도는 2x+2다. x=0에서 2, x=2에서 6이다. 이는 두 기준 표본의 예측을 평균낸 값으로, 실제 자료에서 x=2였던 표본만 골라 평균내는 조건부 평균과 다를 수 있다.
평균이 숨기는 차이
모델이 f(x,z)=xz이고 기준 z가 -1과 1이면 부분 의존도는 모든 x에서 0이다. 그러나 개별 반응은 -x와 x로 서로 반대다. 평균 곡선이 평평해도 모델이 x를 전혀 사용하지 않는다고 결론 내릴 수 없다. 개별 조건부 기대 곡선을 함께 볼 수 있다.
관측 범위와 해석
관심 특징과 다른 특징의 연관성이 강하면 값을 바꾸는 과정에서 실제로 드문 조합을 만들 수 있다. 이때 평균 곡선은 모델의 외삽을 반영할 수 있다. 반응을 확률로 볼지 결정 점수로 볼지도 구분하고, 곡선을 실제 원인과 결과의 관계로 곧바로 해석하지 않아야 한다.