对于不同模型，精确度和混淆矩阵完全相同

Question

我想对具有不同变量的模型进行拟合，以预测婴儿的低出生体重。数据集中的不同变量例如是种族，吸烟行为，内科就诊次数等。但是，当我估算这些不同的模型时，包括变量在内，我总是会得到完全相同的混淆矩阵和准确性（以及所有其他方面）。我的代码有什么问题？

这包括所有变量（除了无用的一列）。

set.seed(1)

low_birth_knn = train(Low ~ .-Last_Menstruation_Weight_bins, method = "knn", data = train_low_birth,
                   trControl = trainControl(method = 'cv', number = 5))

set.seed(1)

predicted_outcomes <- predict(low_birth_knn, test_low_birth)

knn_confM <- confusionMatrix(predicted_outcomes, test_low_birth$Low)

例如，这是我要排除 Race 的时间：

set.seed(1)

low_birth_knn_race = train(Low ~ (.-Last_Menstruation_Weight_bins -Race), method = "knn", data = train_low_birth,
                      trControl = trainControl(method = 'cv', number = 5)) 

set.seed(1)

predicted_outcomes_race <- predict(low_birth_knn_race, test_low_birth)

knn_confM_race <- confusionMatrix(predicted_outcomes_race, test_low_birth$Low)