R语言confusionMatrix报错解决：数据层级不可多于参考值

问题背景 #

我有一个名为PowderyMildewEpidemic的数据框，完成逻辑回归预测后，使用caret包的confusionMatrix生成混淆矩阵时触发报错：

Error in confusionMatrix.default(as.factor(ifelse(Mildew.predict2 > 0.5, : 
the data cannot have more levels than the reference

检查发现预测值和真实值的nlevels返回均为0：

nlevels(ifelse(Mildew.predict2 > 0.5, 1, 0))
nlevels(PowderyMildewEpidemic[11:12, ]$Agree)

数据详情 #

structure(list(Year = c(1987, 1988, 1989, 1990, 1991, 1992, 1993, 
1994, 1995, 1996, 1997, 2000), Outbreak = c("Yes", "No", "No", 
"Yes", "No", "Yes", "No", "Yes", "No", "Yes", "No", "No"), MaxTemp = c(30.14, 
30.66, 26.31, 28.43, 29.57, 31.25, 30.35, 30.71, 30.71, 33.07, 
31.5, 29.5), RelHumidity = c(82.86, 79.57, 89.14, 91, 80.57, 
67.82, 61.76, 81.14, 61.57, 59.76, 68.29, 79.14)), row.names = c(NA, 
-12L), spec = structure(list(cols = list(Year = structure(list(), class = c("collector_double", 
"collector")), Outbreak = structure(list(), class = c("collector_character", 
"collector")), MaxTemp = structure(list(), class = c("collector_double", 
"collector")), RelHumidity = structure(list(), class = c("collector_double", 
"collector"))), default = structure(list(), class = c("collector_guess", 
"collector")), delim = ","), class = "col_spec"), class = c("spec_tbl_df", 
"tbl_df", "tbl", "data.frame"))

运行代码 #

PowderyMildewEpidemic$Agree <- ifelse(PowderyMildewEpidemic$Outbreak == "Yes", 1, 0)

# 1997年预测
# train2：使用1987-1996年数据训练
train2 <- PowderyMildewEpidemic[1:10, ]

# 逻辑回归模型
Mildew.lr2 <- glm(formula = Agree ~ MaxTemp + RelHumidity, data = train2, family = "binomial")
summary(Mildew.lr2)

# 预测
Mildew.predict2 <- predict(Mildew.lr2, PowderyMildewEpidemic[11:12, ], type = "response")
Mildew.predict2

# 1997年预测结果
Mildew.predict2[1]

# 1997年逻辑回归分类矩阵
confusionMatrix(as.factor(ifelse(Mildew.predict2 > 0.5, 1, 0)), as.factor(PowderyMildewEpidemic[11:12, ]$Agree))

报错原因 #

核心问题在于测试集的真实值水平不完整：你选取的11-12行数据中，Outbreak均为"No"，因此Agree列全为0。直接转成因子后，真实值仅包含0这一个水平；而预测值经过ifelse(Mildew.predict2 > 0.5, 1, 0)处理后，可能同时出现0和1两个水平，导致预测值的水平数多于真实值，触发confusionMatrix的报错机制。

另外，ifelse返回的是数值型向量，直接用nlevels()检测会返回0，因为数值型不是因子类型，这也是你看到nlevels均为0的原因。

解决方案 #

手动指定因子的levels参数，确保预测值和真实值的因子水平完全一致，且覆盖所有可能的类别（0和1），即使测试集中没有某个类别也要明确指定：

# 统一指定因子水平为c(0,1)
pred_factor <- factor(ifelse(Mildew.predict2 > 0.5, 1, 0), levels = c(0, 1))
true_factor <- factor(PowderyMildewEpidemic[11:12, ]$Agree, levels = c(0, 1))

# 生成混淆矩阵
confusionMatrix(pred_factor, true_factor)

这样处理后，真实值的因子会保留0和1两个水平（即使测试集中没有1），预测值的水平也与之匹配，就能正常生成混淆矩阵，同时还能正确展示所有类别的预测结果（比如1类的预测情况会显示为0）。

内容的提问来源于stack exchange，提问作者c200402