使用rpart模型生成混淆矩阵时遇“Matrix must have equal dimensions”错误求助

• 报错核心原因：使用rpart进行分类任务时，默认调用predict()函数返回的是每个样本对应各类别的概率矩阵，而confusionMatrix()要求输入的预测值是与真实标签维度一致的类别向量，两者维度不匹配就会触发"matrix must have equal dimensions"错误。

• 最简解决方法：
  在predict()中指定type="class"参数，直接输出预测类别而非概率矩阵：

  fit <- rpart(taste ~ ., data = train, method="class", control = rpart.control(cp = 0.01)) 
  summary(fit)
  
  # 添加type="class"获取类别预测
  knn_prediction <- predict(fit, test, type="class")
  confusionMatrix(knn_prediction, test$taste)
  

• 备选方案（从概率矩阵转换类别）：
  如果需要保留概率矩阵的同时生成混淆矩阵，可以通过以下方式将概率矩阵转为类别向量：

  # 获取概率矩阵
  knn_prob <- predict(fit, test)
  # 提取概率最大的类别
  knn_prediction <- colnames(knn_prob)[max.col(knn_prob)]
  # 生成混淆矩阵
  confusionMatrix(knn_prediction, test$taste)
  

内容的提问来源于stack exchange，提问作者Jaspreet Singh