如何修正混淆矩阵代码中的ValueError：二元与多标签目标混合问题

这个报错的核心是**y_true和y_pred的数据格式不匹配**：confusion_matrix要求两个输入要么都是一维的类别标签（形状为(样本数,)），要么都是相同维度的多标签指示符，但你的输入一个是二进制单标签（一维），另一个是多标签指示符（二维），导致无法计算。

以下是针对性的修改方案，分两种常见场景：

场景1：模型用sigmoid输出单概率值（二分类常规设置） #

如果模型最后一层是sigmoid，输出形状为(样本数, 1)，需要把预测结果压平成一维；同时确认真实标签是一维格式（如果是独热编码需转成一维）。

修改调用代码：

threshold = 0.5
# 处理预测结果：将二维数组压平为一维
y_pred = (model.predict(X) > threshold).astype(np.int32).flatten()
# 处理真实标签：若为独热编码（二维）则转成一维标签
y_true = np.array(Y_val_org).astype(np.int32)
if y_true.ndim == 2:
    y_true = np.argmax(y_true, axis=1)
# 调用混淆矩阵函数
print_confusion_matrix(y_true, y_pred)

场景2：模型用softmax输出多分类概率（二分类时输出两个概率） #

如果模型最后一层是softmax，输出形状为(样本数, 2)，需要用argmax提取预测的类别索引，转成一维标签；真实标签也要同步转成一维格式。

修改调用代码：

threshold = 0.5
# 处理预测结果：用argmax获取类别索引
y_pred = np.argmax(model.predict(X), axis=1)
# 处理真实标签：若为独热编码则转成一维标签
y_true = np.array(Y_val_org).astype(np.int32)
if y_true.ndim == 2:
    y_true = np.argmax(y_true, axis=1)
# 调用混淆矩阵函数
print_confusion_matrix(y_true, y_pred)

额外必查项 #

你的代码里用到了confusion_matrix、pandas、seaborn等库，确保开头已导入：

from sklearn.metrics import confusion_matrix
import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt

内容的提问来源于stack exchange，提问作者Sanjiro