使用sklearn生成含概率的混淆矩阵报错，求原因及解决方法

问题场景 #

执行以下代码尝试生成包含概率的混淆矩阵：

y_pred_train = logistic.predict_proba(X_train)
confusion_matrix(y_train, y_pred_train)

触发错误：

ValueError: Classification metrics can't handle a mix of binary and continuous-multioutput targets

打印y_pred_train[:,1]得到：

array([0.20189988, 0.71620557, 0.69289002, ..., 0.05712549, 0.02956872,
   0.14208470])

尝试仅传入y_pred_train的第一列，仍然报错。

报错原因 #

1. 输入类型不匹配：confusion_matrix要求输入离散的类别标签（比如二元分类中的0/1），但predict_proba返回的是每个样本属于各类别的连续概率值（0到1之间的浮点数），两者数据类型不符合函数要求，这是核心错误原因。
2. 单列传入仍报错的原因：即使取y_pred_train[:,1]，得到的依然是连续概率值，不是类别标签；若y_train是一维标签数组，传入的概率数组维度或类型不匹配也会触发错误，但核心还是连续值与离散标签的冲突。

解决方案 #

方案1：将概率转换为类别标签

通过设定阈值（默认常用0.5，可根据业务需求调整），把概率值转为对应的类别标签：

# 以0.5为阈值，将第二类的概率转为类别标签
y_pred_labels = (y_pred_train[:, 1] >= 0.5).astype(int)
# 生成混淆矩阵
confusion_matrix(y_train, y_pred_labels)

如果是多分类任务，可直接调用模型的predict方法获取类别标签：

y_pred_labels = logistic.predict(X_train)
confusion_matrix(y_train, y_pred_labels)

方案2：自定义概率维度的分析逻辑

若你确实需要分析概率与分类结果的关系，而非标准混淆矩阵，可以：

• 将概率划分为多个区间（如0-0.2、0.2-0.4等），统计每个区间内真实标签的分布情况
• 使用precision_recall_curve、roc_curve等工具，分析概率和分类性能的关联，替代混淆矩阵的使用。

内容的提问来源于stack exchange，提问作者CodeMaster