R中PLSDA分析后caret混淆矩阵报错：因子水平不一致

错误原因 #

报错Error: data and reference should be factors with the same levels的核心问题有两个：

1. mdatools的predict函数返回的是专属预测对象，不是直接的类别向量，无法直接传入caret::confusionMatrix
2. 即使提取出类别，若未对齐预测值与参考值的因子水平，也会触发不匹配报错

解决步骤 #

1. 从预测对象中提取实际预测类别：通过$class获取字符型的预测结果
2. 将预测类别转为因子，并强制指定与参考类别完全一致的水平，确保两者结构匹配

修正后的完整代码 #

library(tidyverse)
library(mdatools)
library(caret)

# 加载数据
data(iris)

# 分层抽样划分训练集和验证集
set.seed(2000)
Train <- iris %>% group_by(Species) %>% sample_frac(.5, replace = FALSE)
Valid <- anti_join(iris, Train)

# 分离响应变量和预测变量（响应变量直接转因子即可，无需转矩阵）
PLSDA_Response <- as.factor(Train$Species)
PLSDA_Predictors <- as.matrix(Train[,c(1:4)])

Predict_Response <- as.factor(Valid$Species)
Predict_Predictors <- as.matrix(Valid[,c(1:4)])

# 训练PLS-DA模型
pls_comp <- mdatools::plsda(PLSDA_Predictors, PLSDA_Response, ncomp = 1)

# 执行预测并提取类别
pls_comp_predict <- stats::predict(pls_comp, Predict_Predictors)
# 提取预测类别并转为与参考变量同水平的因子
predicted_class <- factor(pls_comp_predict$class, levels = levels(Predict_Response))

# 生成混淆矩阵
pls_CM <- caret::confusionMatrix(predicted_class, Predict_Response)
# 查看结果
print(pls_CM)

额外说明 #

• 原代码中将响应变量转成矩阵是冗余操作，直接转因子更符合mdatools::plsda的参数要求
• 指定levels = levels(Predict_Response)能强制预测因子与参考因子的水平顺序、数量完全一致，避免抽样导致的潜在不匹配
• pls_comp_predict对象还包含得分、分类概率等额外信息，若有需求可通过$scores、$prob等字段提取

内容的提问来源于stack exchange，提问作者Rodrigo Nehara