R语言F_meas函数报错‘input data must have the same two levels’求助

我之前也碰到过这个问题！核心原因是caret包里的F_meas()函数默认是为二分类任务设计的，它会默认检查输入的数据是否只有两个类别水平，但你的任务是7类的多分类，所以就触发了这个报错。下面是具体的解决办法：

1. 显式指定多分类的F1计算方式 #

F_meas()支持多分类场景，但需要手动设置multiClass参数，常用的选项有两个：

• multiClass = "macro"：计算每个类别的F1分数，然后取算术平均值
• multiClass = "micro"：将所有类别合并，计算全局的F1分数（更侧重样本量多的类别）

修改你的代码，在F_meas()中添加这个参数即可：

F_meas(data = y_test_hat, reference = y_test, multiClass = "macro")

2. 确保预测值与真实值的因子水平完全匹配 #

虽然你确认了两者有7个水平，但有时候predict()返回的结果可能是字符型，或者因子水平的顺序不一致，这也可能导致潜在的匹配问题。可以提前统一两者的因子类型和水平：

# 将预测结果转换为因子，并对齐真实值的水平顺序
y_test_hat <- factor(y_test_hat, levels = levels(y_test))

修正后的完整代码 #

set.seed(1)
library(caret)
library(dslabs)
library(dplyr)
data("tissue_gene_expression")
y_ <- tissue_gene_expression$y
test_index <- createDataPartition(y_, times = 1, p=0.5, list = FALSE)
x_train <- tissue_gene_expression$x[-test_index,]
y_train <- tissue_gene_expression$y[-test_index]
x_test <- tissue_gene_expression$x[test_index,]
y_test <- tissue_gene_expression$y[test_index]

fit <- knn3(x_train,y_train,k=1)
y_test_hat <- predict(fit,x_test,type = 'class')

# 统一因子水平
y_test_hat <- factor(y_test_hat, levels = levels(y_test))
# 计算多分类F1分数
F_meas(data = y_test_hat, reference = y_test, multiClass = "macro")

运行上面的代码应该就能正常输出多分类的F1分数了。本质上就是告诉F_meas()："这是个多分类任务，按照多分类的规则计算F1"。

内容的提问来源于stack exchange，提问作者Hien Bui