R 决策树：完美分类（二分法）类噪声为100%，但几乎为零预测噪声为99%。（在右侧尝试了2个alg）。为什么？

我正在使用一个具有二分法类的数据集，并使用R-performance测试噪声如何影响来自Rweka的决策树j48。我添加了噪声，并在实验过程中使用了0.01到0.5的置信因子

由于班级是二分法的，训练集的最差表现为50%是班级二分法是完全合理的

现在。。。随着验证的进行，当噪声为总噪声时，我有一些精度几乎完美的点。我怎么解释呢

红色表示训练集；蓝色用于验证（80/20）

准确度=（正确预测等级/总测试等级）×100%或正确分类实例的百分比（TP+TN）/（TP+TN+FP+FN）。其中TP、FN、FP和TN分别表示真阳性、假阴性、假阳性和真阴性的数量

我使用的数据集是这个数据集的随机样本（10%）

这是我的代码：

library(arules)
library(RWeka)
library(readr)
library(caret)
library(caTools)


setwd("C:\\Users\\Lucas\\Desktop\\AA")
inputFileName = "hr.csv"

ruido = function( datasetName, percentage ) {
  hr = read_csv(datasetName)

  sample = sample.split(hr$left, SplitRatio = percentage / 100)
  toModify = subset(hr, sample == TRUE)
  NotModify = subset(hr, sample == FALSE)

  toModify$left = sapply(toModify$left, function(x) !x )

  new_hr = rbind(toModify, toNotModify)

  output = strsplit(datasetName, "[.]")
  outputFileName = paste0(output[[1]][1], '_ruido_', percentage, '.', output[[1]][2])

  write.csv(new_hr, file = outputFileName, row.names=FALSE)
  outputFileName
}

set.seed(101) 
percentages = seq(0, 100 )
confidenceFactors = seq(0.05, 0.5, 0.05)

dataset = read.csv( inputFileName, sep = "," )

sample = sample.split(dataset$left, SplitRatio = .8)
train = subset(dataset, sample == TRUE)
test  = subset(dataset, sample == FALSE)

dir.create(file.path("C:\\Users\\Lucas\\Desktop\\AA", "datasets\\5"))
write.csv(train, file = "datasets\\5\\HR_train.csv", row.names=FALSE)
write.csv(test, file = "datasets\\5\\HR_test.csv", row.names=FALSE)

sizeResults = data.frame( "CF" = double(), "Percentage" = double(), "Value" = integer(), stringsAsFactors=FALSE)
accuracyResults = data.frame( "CF" = double(), "Method" = character(), "Percentage" = double(), "Value" = integer(), stringsAsFactors=FALSE)

for( percentage in percentages ){

    percentage = percentage / 100

    # load training dataset
    outputFile = ruido( "datasets\\5\\HR_train.csv", percentage * 100 )
    training = read.csv( outputFile )
    training$number_project = as.factor( training$number_project )
    training$time_spend_company = as.factor( training$time_spend_company )


    for( c in confidenceFactors ){
      # create tree
      print( paste0("Decision tree for: ", "percentage=", percentage, ", CF=", c) )
      tree = J48( as.factor(left) ~ ., training, control = Weka_control(M=2, C=c) )
      treeSize = tree$classifier$numElements()
      sizeResults = rbind(sizeResults, data.frame(CF=c, Percentage=percentage, Value=treeSize))

      # test tree
      pred <- predict(tree, test, type='class')
      trainingAccuracy = summary(tree)$details[[1]]
      testAccuracy = confusionMatrix(table(test$left, pred))
      accuracyResults = rbind(accuracyResults, data.frame(CF=c, Percentage=percentage, Method="Entrenamiento", Value=trainingAccuracy))
      accuracyResults = rbind(accuracyResults, data.frame(CF=c, Percentage=percentage, Method="Validaci�n", Value=testAccuracy$overall[[1]] * 100))
    }
}


ggplot(data=sizeResults, aes(x=Percentage, y=Value)) +
  geom_point() +
  ylab("Nodes") + # Set axis labels
  scale_colour_hue(name="")       # Set legend title  

ggplot(data=accuracyResults, aes(x=Percentage, y=Value, group=Method, color=Method)) +
  geom_point() +
  ylab("Accuracy") + # Set axis labels
  scale_colour_hue(name="") 

库（阿鲁莱斯）
图书馆（鲁韦卡）
图书馆（readr）
图书馆（插入符号）
图书馆（caTools）
setwd（“C:\\Users\\Lucas\\Desktop\\AA”）
inputFileName=“hr.csv”
ruido=函数（数据集名称，百分比）{
hr=读取\u csv（数据集名称）
样本=样本.分割（hr$左，分割比率=百分比/100）
toModify=子集（hr，样本==真）
NotModify=子集（hr，sample==FALSE）
toModify$left=sapply（toModify$left，函数（x）！x）
新建\u hr=rbind（toModify，toNotModify）
输出=strsplit（datasetName，“[.]”）
outputFileName=paste0（输出[[1]][1]，'百分比'，'输出[[1]][2]）
write.csv（new_hr，file=outputFileName，row.names=FALSE）
输出文件名
}
种子集（101）
百分比=序号（0，100）
信心系数=序号（0.05,0.5,0.05）
dataset=read.csv（inputFileName，sep=“，”）
sample=sample.split（数据集$left，SplitRatio=.8）
序列=子集（数据集，样本==真）
测试=子集（数据集，样本==FALSE）
目录创建（文件路径（“C:\\Users\\Lucas\\Desktop\\AA”，“数据集\\5”））
write.csv（train，file=“datasets\\5\\HR\u train.csv”，row.names=FALSE）
write.csv（test，file=“datasets\\5\\HR\u test.csv”，row.names=FALSE）
sizeResults=data.frame（“CF”=double（），“Percentage”=double（），“Value”=integer（），stringsAsFactors=FALSE）
accuracyResults=data.frame（“CF”=double（），“Method”=character（），“Percentage”=double（），“Value”=integer（），stringsAsFactors=FALSE）
用于（百分比中的百分比）{
百分比=百分比/100
#负荷训练数据集
outputFile=ruido（“数据集\\5\\HR\u train.csv”，百分比*100）
培训=读取.csv（输出文件）
培训$number\u项目=as.factor（培训$number\u项目）
培训$time\u-spend\u-company=as.factor（培训$time\u-spend\u-company）
对于（c）信心因素{
#创建树
打印（粘贴0（“决策树：”，“百分比=”，百分比，”，CF=，c））
tree=J48（同因子（左）~，训练，控制=Weka_控制（M=2，C=C））
treeSize=树$classifier$numElements（）
sizeResults=rbind（sizeResults，data.frame（CF=c，Percentage=Percentage，Value=treeSize））
#测试树
你可能想问这个问题，而完全相同的问题并不是真的被嘲笑