Java WEKA使用KNN和不同的K值进行交叉验证的结果相同

我正在使用WEKAAPI使用KNN（IBk）分类器对数据集执行10倍交叉验证。我已经为K选择了一些值，并编写了一些简单的循环，为每个K值执行CV

当我查看结果时，我注意到即使使用不同的K值，所有结果都是相同的。这怎么可能？为了澄清，我添加了一行代码，在其中我指定了输入到分类器的选项。当我进行正常分类时，这种方法非常有效（因此没有交叉验证）

如您所见，我在每次迭代中都会更改

k_值。请帮帮我

EDIT1
一些可能有帮助的附加代码

    Evaluation evaluation = new Evaluation(dataset);
    evaluation.crossValidateModel(knn, dataset, 10, new Random(1), new Object[] {});
    System.out.println("Error-rate " + evaluation.errorRate());
    writer.println("AUROC: " + evaluation.areaUnderROC(0));
    writer.println(evaluation.toClassDetailsString());
    writer.println(evaluation.toMatrixString());
    writer.println(evaluation.toSummaryString("\nResults\n======\n", true));

EDIT2
我没有使用
k_值
而是将其替换为硬编码值（此处为10）：

classification.setOptions（“-K10-W 0-I-A\”weka.core.neightursearch.linearnsearch-A\\”weka.core.EuclideanDistance-R first-last\\”）

再次，我得到了和以前完全相同的结果，当用不同的K值执行它时。这怎么会发生呢？事情就是这样的吗？这在weka是正常的吗？
这里没人能帮我吗？我真的调查了所有的事情，没有什么是“错误的”。当我在不执行交叉验证时指定不同的K值时，一切正常。但是在这个场景中，我总是得到每个K的相同结果。为什么？你能告诉我们一些关于数据集的信息吗？你尝试了什么样的k值？（K是邻居的数量，而不是CV折叠的数量）
    Evaluation evaluation = new Evaluation(dataset);
    evaluation.crossValidateModel(knn, dataset, 10, new Random(1), new Object[] {});
    System.out.println("Error-rate " + evaluation.errorRate());
    writer.println("AUROC: " + evaluation.areaUnderROC(0));
    writer.println(evaluation.toClassDetailsString());
    writer.println(evaluation.toMatrixString());
    writer.println(evaluation.toSummaryString("\nResults\n======\n", true));