Friedman, Hastie และ Tibshirani (2010) , อ้างถึงองค์ประกอบของการเรียนรู้ทางสถิติ , เขียน,
เรามักจะใช้กฎ“ หนึ่งมาตรฐานข้อผิดพลาด” เมื่อเลือกรุ่นที่ดีที่สุด สิ่งนี้ยอมรับความจริงที่ว่าเส้นโค้งความเสี่ยงถูกคาดการณ์โดยมีข้อผิดพลาดดังนั้นจึงเกิดความผิดพลาดทางด้านของความประหยัด
สาเหตุของการใช้ข้อผิดพลาดมาตรฐานหนึ่งข้อเทียบกับจำนวนอื่น ๆ ดูเหมือนจะเป็นเพราะมาตรฐาน ... ดี Krstajic, et al (2014)เขียน (เหมืองเน้นหนัก):
Breiman และคณะ [25] พบว่าในกรณีของการเลือกขนาดต้นไม้ที่ดีที่สุดสำหรับแบบจำลองต้นไม้จัดประเภทว่าขนาดของต้นไม้ที่มีข้อผิดพลาดการตรวจสอบข้ามน้อยที่สุดสร้างแบบจำลองซึ่งโดยทั่วไปแล้ว overfits ดังนั้นในมาตรา 3.4.3 ของหนังสือ Breiman และคณะ [25] กำหนดกฎข้อผิดพลาดมาตรฐานหนึ่งข้อ (กฎ 1 SE) สำหรับการเลือกขนาดต้นไม้ที่เหมาะสมและจะใช้มันตลอดทั้งเล่ม ในการคำนวณข้อผิดพลาดมาตรฐานสำหรับการตรวจสอบความถูกต้อง V-fold เดี่ยวจำเป็นต้องคำนวณความถูกต้องสำหรับแต่ละเท่าและข้อผิดพลาดมาตรฐานจะถูกคำนวณจาก V Accuracies จากแต่ละเท่า Hastie และคณะ [4] กำหนดกฎ 1 SE ว่าเป็นการเลือกแบบจำลองที่มีข้อผิดพลาดมากที่สุดซึ่งมีข้อผิดพลาดไม่เกินหนึ่งข้อผิดพลาดมาตรฐานเหนือข้อผิดพลาดของแบบจำลองที่ดีที่สุดและพวกเขาแนะนำในหลาย ๆ สถานที่โดยใช้กฎ 1 SEจุดหลักของ 1 กฎ SE กับที่เราเห็นคือการเลือกรูปแบบที่ง่ายที่สุดที่มีความถูกต้องก็เปรียบได้กับรูปแบบที่ดีที่สุด
λ