使用imblearn的classification_report_imbalanced遇样本量不一致错误

报错Found input variables with inconsistent numbers of samples: [200, 807]的核心是传入classification_report_imbalanced的真实标签和预测标签样本数量不匹配：200是测试集样本数（对应test_size=0.2的分割结果），807应该是训练集或全量数据集的样本数，说明你调用函数时传错了参数。

1. 明确classification_report_imbalanced的调用规则 #

该函数必须按「真实标签在前，预测标签在后」的顺序传参，且两者必须是长度完全一致的一维数组：

classification_report_imbalanced(y_true, y_pred)

2. 修改评估函数，正确集成指标 #

更新你的evaluate_model函数，加入该指标的正确调用，还可以加个断言提前排查问题：

def evaluate_model(model, X_test, y_test):
    y_pred = model.predict(X_test)
    # 提前验证样本数是否匹配，避免后续报错
    assert len(y_test) == len(y_pred), "真实标签和预测标签样本数对不上"
    
    accuracy = accuracy_score(y_test, y_pred)
    precision = precision_score(y_test, y_pred)
    recall = recall_score(y_test, y_pred)
    f1 = f1_score(y_test, y_pred)
    # 正确调用imblearn的不平衡分类报告函数
    imbalanced_report = classification_report_imbalanced(y_test, y_pred)
    return accuracy, precision, recall, f1, imbalanced_report

3. 调整结果收集逻辑 #

遍历模型时接收新增的分类报告，按需打印或保存：

results = []
for name, model in models:
    model.fit(X_train, y_train)
    accuracy, precision, recall, f1, imbalanced_report = evaluate_model(model, X_test, y_test)
    results.append([name, accuracy, precision, recall, f1])
    # 打印当前模型的不平衡分类报告
    print(f"=== {name} 不平衡分类报告 ===")
    print(imbalanced_report)

4. 验证真实数据集的加载与分割 #

如果你用的是心脏病数据集，要确保数据处理没有问题：

import pandas as pd

# 加载数据集（确认文件路径正确）
df = pd.read_csv("heart_disease_dataset.csv")
# 分离特征和标签（替换成你实际的标签列名）
X = df.drop("target", axis=1)
y = df["target"]

# 分割后验证样本数一致
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)
assert len(X_test) == len(y_test), "测试集特征和标签样本数不匹配"

• 别把二维的X_test（特征数组）当成标签传入函数
• 别搞混y_train和y_test，必须用测试集的真实标签+对应预测结果做评估
• 模型预测时一定要传X_test，而非X_train

内容的提问来源于stack exchange，提问作者yuyudss