该技能用于解释已在 MATLAB 中训练好的表格型机器学习模型，支持内置统计与机器学习工具箱（SMLT）的分类器、回归器，也支持通过预测函数句柄访问的自定义模型。
用途：回答哪些预测变量重要、某条预测为何得出该结果、某预测变量的效应形状，以及不同分组下的模型行为差异。
主要能力：按意图匹配技术，区分原生度量与模型无关方法。原生方法包括 GAM 的 plotLocalEffects、线性模型的 plotAdjustedResponse / plotInteraction；模型无关方法包括 permutationImportance、shapley、PDP/ICE、lime、counterfactuals，脚本提供 functionHandleMap 辅助判断模型支持情况。
使用方式：先盘点模型类别、任务、预测变量、训练与测试数据，再明确分析范围与意图，确认计划后运行分析并输出结果。自定义模型需创建并验证预测函数句柄。
适用场景：表格数据的特征重要性排序、单条预测解释、预测变量效应可视化、分群差异比较。
限制：不用于训练、调参、特征选择、部署或代码生成；不适用于图像、文本、信号等非表格数据；不支持多响应回归或多标签分类；不支持交叉验证划分模型（如 ClassificationPartitionedModel）；若用户希望在 Classification Learner 或 Regression Learner 应用内操作，应改用 matlab-use-machine-learning-apps。部分技术运行较慢，可缩小查询点或数据规模。具体收费与价格信息暂未提供。