R语言confusionMatrix报‘矩阵维度必须相等’但维度实际一致

问题重现 #

执行以下代码时触发错误：

pred <- predict(fit, x, type="response", s=cv$lambda.min)

confusion_matrix <- confusionMatrix(data = pred, reference = testXsp) 

报错信息：

Error in confusionMatrix.matrix(data = pred, reference = testXsp) :
matrix must have equal dimensions

但检查两者维度完全一致：

dim(pred)
[1] 751864 1

dim(testXsp)
[1] 751864 1

dim(testXsp) == dim(pred)
[1] TRUE TRUE

可能原因及解决方法 #

1. pred是概率值而非分类标签

type="response"在逻辑回归、LASSO等模型中返回的是概率值（0到1之间的数值），而confusionMatrix要求输入的是分类标签（比如0/1、因子类型的类别）。即使维度匹配，概率矩阵和标签矩阵也无法被confusionMatrix的矩阵方法正确处理。

解决：先将概率转换为与testXsp同类型的分类标签，二分类场景下可通过阈值（通常选0.5，按需调整）划分：

# 获取真实标签的水平
label_levels <- levels(testXsp)
# 将概率转换为对应标签
pred_label <- factor(ifelse(pred > 0.5, label_levels[2], label_levels[1]), levels = label_levels)
# 重新计算混淆矩阵
confusion_matrix <- confusionMatrix(data = pred_label, reference = testXsp)

2. 输入类型不匹配（矩阵vs数据框/向量）

虽然dim()显示维度一致，但如果其中一个对象是数据框（而非纯矩阵），或是tibble这类伪装成矩阵的特殊类型，confusionMatrix的矩阵方法会因内部类型检查失败报错。

解决：统一转换为矩阵类型：

# 将testXsp转换为矩阵
testXsp_mat <- as.matrix(testXsp)
# 重新计算混淆矩阵
confusion_matrix <- confusionMatrix(data = pred, reference = testXsp_mat)

如果pred本质是向量（dim()显示1列但实际为向量），可手动转成矩阵：

pred_mat <- matrix(pred, ncol = 1)
confusion_matrix <- confusionMatrix(data = pred_mat, reference = testXsp)

3. 行列名不匹配

极少数情况下，维度一致但行列名不匹配也会触发该错误。检查并统一行列名：

rownames(pred) <- rownames(testXsp)
confusion_matrix <- confusionMatrix(data = pred, reference = testXsp)

总结 #

最常见的原因是pred为概率值而非分类标签，优先尝试转换标签的方法；若问题仍存在，再检查输入类型和行列名是否匹配。

内容的提问来源于stack exchange，提问作者Vortenzie