某製造業 AI 品質預測模型採用部分依賴圖（Partial Dependence Plots, PDP）分析特徵影響效果。資料科學家希望了解「溫度特徵」對良品率的整體影響趨勢，但主管進一步詢問，是否能用 PDP 判斷某一筆瑕疵產品批次資料中，溫度是否為主要原因。下列何者最能說明 PDP 在此情境中的限制？
答案 （D）
核心概念
部分依賴圖的計算方式是：把某個特徵的值固定在各個水準上，對「所有樣本」求預測值的平均，再畫成曲線。因為它是對全體樣本平均出來的，呈現的必然是「整體上這個特徵怎麼影響預測」的全域趨勢，個別樣本的特殊情況會在平均過程中被抹平。要解釋單一筆資料為什麼被這樣預測，該用的是局部解釋方法——SHAP、LIME 或個別條件期望圖（ICE Plot）。
答題技巧
快速判斷技巧：XAI 方法先分「全域 vs 局部」。PDP、置換特徵重要性是全域（講整體趨勢）；SHAP、LIME、顯著性圖是局部（講這一筆）。題目問「能不能解釋單一筆」，全域方法的答案就是不行。
易錯陷阱：(A)(C) 都是關於 PDP 的敘述，容易讓人比較哪個「比較對」。破解方法是回到題目情境——主管問的是「單一批次的原因」，答案必須直接回應這個提問，而不是列舉 PDP 的其他限制。