KNN分类混淆矩阵右列全0、F1为0的原因排查及解决咨询

你的问题根本不是“独热编码后转回分类变量”，而是错误地对目标变量class做了独热编码，导致模型变成了极度不平衡的二分类任务，最终模型只预测占比高的那一类，出现混淆矩阵右侧全0、F1为0的情况。

具体问题分析 #

原汽车评估数据集的class列包含4个类别（unacc、acc、good、vgood），你用pd.get_dummies把它和特征列一起做了独热编码+drop_first=True，相当于把class拆成了3个二值列。之后你取y = data.iloc[:,6]，这个列只是原class某一个子类别的二值标记，且该类别样本极少，模型自然只会预测占比高的0类，导致所有预测结果都是0——F1分数为0是因为没有正确预测1类样本，而0.74的准确率只是0类样本的占比。

修正步骤 #

1. 只对特征列做独热编码：保留class列作为原始分类目标，绝对不能对它做独热编码。
2. 可选：用LabelEncoder把class的字符串标签转成数值型（sklearn分类器也支持直接用字符串作为目标，但数值型更直观）。
3. 重新划分数据集、训练模型。

修正后的代码 #

import pandas as pd
import numpy as np
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler, LabelEncoder
from sklearn.neighbors import KNeighborsClassifier
from sklearn.metrics import confusion_matrix, f1_score, accuracy_score

# 读取数据并命名列
data = pd.read_csv('car.data', sep=",")
data.columns = ['buying', 'maint','doors', 'persons', 'lug_boots', 'safety','class']

# 仅对特征列做独热编码，保留class列作为目标变量
data_encoded = pd.get_dummies(data, columns=['buying', 'maint','doors', 'persons', 'lug_boots', 'safety'], drop_first=True, dtype=int)

# 把class的字符串标签转成数值（可选，也可以直接用字符串训练）
le = LabelEncoder()
data_encoded['class'] = le.fit_transform(data_encoded['class'])

# 拆分特征与目标变量
x = data_encoded.drop('class', axis=1)
y = data_encoded['class']

# 划分训练集和测试集
x_train, x_test, y_train, y_test = train_test_split(x, y, random_state=0, test_size=0.3)

# 特征标准化
sc_x = StandardScaler()
x_train = sc_x.fit_transform(x_train)
x_test = sc_x.transform(x_test)

# 训练KNN模型
classifier = KNeighborsClassifier(n_neighbors=17, p=2, metric='euclidean')
classifier.fit(x_train, y_train)

# 预测与评估
y_pred = classifier.predict(x_test)
print("混淆矩阵:\n", confusion_matrix(y_test, y_pred))
print("F1分数（多分类加权）:", f1_score(y_test, y_pred, average='weighted'))
print("准确率:", accuracy_score(y_test, y_pred))

额外说明 #

• 如果想把预测的数值结果转回原始类别字符串，用le.inverse_transform(y_pred)即可。
• 多分类任务计算F1时必须指定average参数（比如weighted、macro），否则默认按二分类计算会报错或结果异常。

内容的提问来源于stack exchange，提问作者fjq