如果我的问题不清楚，我将尝试举一个更具体的例子：
我正在执行 ak fold 交叉验证以拟合线性 SVM 模型的成本参数（我在 R 中使用 LiblineaR 包）。因此，对于每个成本值，我都有 k 个模型，每个模型都在数据集的不同但重叠的样本上进行训练。然后下一步是在整个训练集上训练模型，并在不包含在任何 k 折叠中的验证集上进行测试 - 标准。
对于我正在解决的问题，误报被认为比误报成本更高，因此在每个 k 折叠中，我都根据加权准确度度量调整决策阈值。我的问题是，一旦为每个 k 个模型选择了决策阈值，取这些决策阈值的平均值并将其应用于最终模型输出是否有意义？
例如，假设成本为 1 是最好的，我有 k=4 个模型以 1 的成本训练。这 4 个模型的调整决策阈值为 0.12、0.14、0.04、0.02，平均值为 0.08。如果我在整个数据集上使用 1 的成本训练模型，我可以使用 0.08 作为决策阈值吗？
或者在不同样本上训练的模型的决策值是否不可比较，在这种情况下取平均值就没有意义了？