这正是我问 Sebastian Raschka（伟大的 Python 机器学习书的作者）的一个问题，在这里你可以找到他的回答说“我也推荐 1-standard error 方法，这基本上意味着你从 k- 中选择最好的模型根据纯性能折叠，然后选择最简单的模型，该模型在该模型的 1 个标准误差内”。

他的答案更详细的解释可以在他的github 链接上找到。

首先要做的事情： 1. 我的意思是问题陈述是回归问题还是分类问题。2. 你是如何测量你的准确率的，我的意思是 MSE、MAPE、OOB、RMSE、SSE 是回归问题中的哪一个，或者是准确率、精度、召回率或 ROC，如果它是一个分类！请澄清。

如果是分类问题！显然，你怎么能测量 SD？假设它是一个回归问题，

你需要回答以上问题。此外，每个准确度度量都有自己最先进的用例，因此请了解您应该采用哪种准确度度量，否则使用误差较小的模型。

当谈到方差时，我假设模型的方差越高。