留一法

论文指出，对于不稳定的映射，留一法可能产生较大偏差。

数据归因旨在量化训练数据中每个样本对模型某个预测的贡献程度，常见方法包括影响函数、梯度相似度（如TracIn）和留一法等。

在特征只同时出现时预测才为10的交互模型中，留一法将两个特征各自归因10分，总和20分，超过真实预测值10分，违反效率性公理。

在冗余特征场景中（两个特征携带完全相同信息），留一法给两者都打0分，而Shapley给每个副本各4分。

在纯加性模型上，留一法和Shapley的结果完全一致。