什么是 个体条件期望（ICE）？
个体条件期望（ICE）是一种模型检查方法：对每个参考样本固定其余特征，让一个选定特征沿网格变化，从而得到该样本的一条预测响应曲线。
快速了解
| 规范文档 | 官方规范 |
|---|
工作原理
为每个样本生成一条响应曲线
先固定已拟合模型、标量输出、目标特征、网格和参考样本。对每一行保留补充特征，把目标特征依次替换为网格值并计算预测。ICE 原始论文提出用这种逐样本曲线揭示部分依赖图在平均后可能遮蔽的拟合关系。
谨慎使用中心化、导数与分层
原始 ICE 保留各样本不同的预测截距。中心化 ICE 减去每条曲线在声明锚点的值，便于比较形状；导数 ICE 强调局部斜率差异。曲线太多时应使用固定抽样和透明度，并按预先选定的潜在交互特征着色或分层，同时保留 PDP 叠加线表示对应总体平均。
区分响应异质性与无支持扰动
曲线展开可能表示模型交互，也可能只是网格替换破坏联合分布或模型在外推。应展示目标特征分布，标记缺少支持的样本与网格组合，在有业务意义的群体中复算，并比较模型版本。ICE 描述固定样本画像时模型怎样响应，不是个体处理效应或现实因果响应。
主要特点
- 为每个选定参考样本生成一条特征响应曲线
- 沿网格变化目标特征，同时固定该样本的其余特征
- 可暴露 PDP 平均值掩盖的斜率或形状异质性
- 支持用于比较形状的中心化曲线和观察局部变化的导数曲线
- 依赖样本选择、网格、锚点、目标输出和模型版本
- 可能产生无支持组合，也不估计个体因果效应
常见用途
- 发现模型响应偏离总体平均的样本群体
- 检查水平 PDP 是否由方向相反的响应抵消形成
- 定位模型交互或阈值开始出现的特征区间
- 比较模型升级前后的响应异质性
- 为更深入的反事实或错误分析选择代表性画像
示例
Loading code...常见问题
ICE 图中的一条线代表什么？
一条线代表一个参考样本。系统让选定特征沿共同网格变化，同时保持该样本其余特征不变，并记录每个点的模型输出。它是已拟合模型面对人为替换时的响应路径，不是这个人或对象随时间真实发生的轨迹，也不等于可执行干预结果。
ICE 与部分依赖图是什么关系？
在模型、目标、参考样本、权重和网格完全相同时，PDP 就是所有 ICE 曲线的逐点平均。PDP 用一条曲线压缩总体行为，ICE 保留样本差异。因此水平 PDP 可能同时对应陡峭上升与下降的 ICE 曲线，只是它们在平均时相互抵消。
什么时候应使用中心化 ICE？
当各样本的初始预测水平不同，导致曲线形状难以比较时，可在一个事先声明且有数据支持的锚点减去各自预测。中心化后更容易看到相对变化，但锚点本身属于解释契约，不能在观察结果后为了得到更明显图形而任意改换锚点。
ICE 曲线能识别特征交互吗？
不同曲线出现斜率或形状分叉，说明目标特征的拟合响应随其他输入而变化，可作为存在交互的证据。但 ICE 不能单独指出由哪个变量造成。应按预先设定的候选变量着色或分层，再用留出数据、显式交互指标和领域测试确认结论。
ICE 能给出个体因果效应吗？
不能。固定观测协变量并替换一个模型输入，只是在询问预测函数的保持其他条件不变响应；生成的组合可能不可行，模型也可能依赖混杂或代理变量。个体因果效应还需要潜在结果或结构因果假设、处理支持、识别条件与相应估计设计。