多分类任务生成混淆矩阵报错：多类别与连续多输出目标不兼容

错误原因 #

你的模型输出pred是12类的概率分布（形状(486, 12)），而真实标签y_val是单类别整数标签（形状(486,)）。sklearn的分类指标要求输入的预测值和真实值必须是同类型的类别标签，不能混合概率分布和整数标签，因此触发ValueError。

解决步骤 #

将模型输出的概率分布转换为对应的类别标签（取每个样本概率最大的类别索引），再传入混淆矩阵函数：

修正后的代码 #

from sklearn.metrics import confusion_matrix
import numpy as np

# 获取模型预测的概率分布
pred_probs = model_BiLSTM.predict(X_val)
# 将概率转换为类别标签（取每个样本概率最大的类）
pred_labels = np.argmax(pred_probs, axis=1)
# 生成混淆矩阵
y_unique = np.unique(y_val)
cm = confusion_matrix(y_val, pred_labels, labels=y_unique)

关键说明 #

• np.argmax(pred_probs, axis=1)：对每个样本（axis=1表示沿类别维度）取概率最大值对应的索引，得到形状为(486,)的整数标签数组，和y_val格式完全匹配。
• 你的模型使用SparseCategoricalCrossentropy损失，说明真实标签采用稀疏整数格式，这种转换方式完全符合模型的输出逻辑。

内容的提问来源于stack exchange，提问作者Teo7