使用java的多线程交叉验证

我正在使用Java线程来实现Weka交叉验证（10倍CV），但很难理解平均部分在方法

EvaluateModel（）中发生的位置

我需要确保每个线程都有自己的错误率副本，然后在线程完成执行时执行平均值。
根据您在这里描述的方法，您必须在多线程概念中尝试

您必须创建接受模型和测试数据集的线程

EvaluateThread t1 = new EvaluateThread(threadName,model,testDataset1);
EvaluateThread t2 = new EvaluateThread(threadName,model,testDataset2);
EvaluateThread t3 = new EvaluateThread(threadName,model,testDataset3);

然后创建同步方法，以便每个线程都可以独立地访问该方法

像这样的

public synchronized double calculateError(model, dataset){
       // do your stuff for e.g. calculate error
       return error;
}

最后计算每个线程的平均误差。
有关同步方法的更多信息，请检查此项。
Weka有10倍交叉验证选项。勾选“是”，但这并没有提供足够的细节来说明ModelEvaluate方法是如何工作的。在（评估类）中，折叠数的除法是的，这就是我所做的，我实现了Runnable接口，在Run方法中，我为weka添加了crossvalidatemethod，运行中的最后一个方法称为EvaluateModel（），它返回一个双数组，用于预测值，称为predicted[]。我不确定这种方法是否会对每次折叠收集的误差进行平均，以及预测数组中的值意味着什么！请你发布一个小片段，以便我能理解更多。好吧，为了让它更清楚，我创建了一个名为Eval_Thread的新类，它实现了Runnable接口，在这个类的Run方法中，我做了以下
Instances train=data.trainCV（numFolds，I，random）；setPriors（列车）；Classifier copiedClassifier=AbstractClassifier.makeCopy（分类器）；复制分类器。构建分类器（训练）；实例test=data.testCV（numFolds，i）；评价模型（复制分类器，测试）；根据您的解释，您得到的是双数组（double[]），根据weka的文档，double[]是由分类器完成的预测，请澄清您想要的错误率或交叉验证参数，如精度召回。我相信你不会把预测平均化。我想做的是让每一根线都有一个折叠，然后分别做这项工作。最后收集每个线程的结果。因此，如果weka的evaluatemodel方法进行平均并返回预测数组，这意味着我不能在运行中使用此方法，这意味着它不能是多线程的