R中惩罚逻辑回归混淆矩阵报错及F1等指标计算求助

confusionMatrix报错原因 #

第一个报错the data and reference factors must have the same number of levels：本质是预测值（pred）和测试集真实因变量的因子水平不匹配——要么一方是因子另一方不是，要么两者的水平数量、标签不一致。比如测试集因变量是二元因子，但预测值只有单一类别（比如全是“未失败”），就会触发这个错误。

第二个报错the data cannot have more levels than the reference：说明预测值的因子水平比真实值还多。比如真实值只有“失败”“未失败”两个水平，但预测值里出现了第三个不存在的水平，或者转因子时没指定固定水平，导致额外生成了水平。

解决步骤 #

• 先统一所有因变量的因子格式
  把训练集、测试集的因变量都转成相同水平顺序的因子，避免标签或顺序不一致：

  # 自定义水平和标签，确保训练/测试集一致
  train$`Fail (1=yes)` <- factor(train$`Fail (1=yes)`, levels = c("0", "1"), labels = c("未失败", "失败"))
  test$`Fail (1=yes)` <- factor(test$`Fail (1=yes)`, levels = c("0", "1"), labels = c("未失败", "失败"))
  

• 强制预测值匹配真实值的水平
  模型预测后，把预测结果转成和测试集因变量完全一致的因子：

  # 以glmnet为例，先得到类别预测结果
  pred <- predict(model, newdata = test, type = "class")
  # 强制对齐真实值的因子水平
  pred <- factor(pred, levels = levels(test$`Fail (1=yes)`))
  

• 检查水平分布
  用table(pred)和table(test$Fail (1=yes))查看两者的类别分布。如果预测值只有一个水平（比如测试集7个样本里模型全预测成同一类），这时候confusionMatrix会报错——因为二元分类要求两个水平，这种情况是样本量太小导致的（n=32确实太小，测试集仅7行很容易出现极端情况）。

不用caret的话，直接手动计算更灵活，步骤如下：

1. 先提取真实值和处理好的预测值，计算混淆矩阵的核心元素：

   true <- test$`Fail (1=yes)`
   pred <- factor(pred, levels = levels(true))
   
   # 计算TP（真阳性：真实失败，预测失败）、TN（真阴性）、FP（假阳性）、FN（假阴性）
   TP <- sum(true == "失败" & pred == "失败")
   TN <- sum(true == "未失败" & pred == "未失败")
   FP <- sum(true == "未失败" & pred == "失败")
   FN <- sum(true == "失败" & pred == "未失败")
   

2. 计算各指标：

   # 精确率：正确预测的失败数 / 所有预测为失败的数量
   precision <- TP / (TP + FP)
   # 召回率：正确预测的失败数 / 真实的失败总数
   recall <- TP / (TP + FN)
   # F1-score：精确率和召回率的调和平均
   f1_score <- 2 * (precision * recall) / (precision + recall)
   

   注意：如果TP+FP=0（没预测任何失败）或TP+FN=0（真实没有失败样本），会出现除以0的情况，这时候对应指标没有实际意义，结合样本分布判断即可。

你的数据集样本量极小（n=32），单次80/20拆分的测试集只有7行，结果稳定性极差，还容易出现类别不平衡或预测单一的问题。建议改用k折交叉验证，比如5折（每折6-7个样本），用caret的train函数直接完成建模和交叉验证，结果更可靠：

library(caret)
# 设置5折交叉验证参数
train_control <- trainControl(method = "cv", number = 5)
# 训练惩罚逻辑回归模型（以glmnet为例）
model <- train(`Fail (1=yes)` ~ ., data = train, method = "glmnet", trControl = train_control)
# 查看模型评估结果
print(model)

内容的提问来源于stack exchange，提问作者Shawn B