运行混淆矩阵绘制代码时遇ValueError错误，求解决方案

问题场景 #

运行以下代码时触发错误：

ValueError: Shape of passed values is (14, 14), indices imply (15, 15)

代码片段：

def plot_confusion_matrix(cm):
    cm = cm[::-1]
    cm = pd.DataFrame(cm, columns=classes, index=classes[::-1])

    fig = ff.create_annotated_heatmap(z=cm.values, x=list(cm.columns), y=list(cm.index), colorscale='ice', showscale=True, reversescale=True)
    fig.update_layout(width=500, height=500, title='Confusion Matrix', font_size=16)
    fig.show()

import plotly.figure_factory as ff
plot_confusion_matrix(cm)

核心原因 #

错误本质是混淆矩阵cm的维度与classes列表的长度不匹配：cm是14×14的二维数组，但classes包含15个类别，导致创建DataFrame时，列/索引的长度（15）与矩阵元素的维度（14）冲突。

解决步骤 #

1. 确认维度匹配性
   在函数开头添加调试代码，明确两者的维度：

   def plot_confusion_matrix(cm):
       print(f"混淆矩阵形状: {cm.shape}")
       print(f"类别数量: {len(classes)}")
       # 原有代码...
   

2. 对齐维度

   • 如果classes多了一个无效类别：直接删除多余的类别项，确保len(classes)等于cm.shape[0]（或cm.shape[1]，混淆矩阵是方阵）。
   • 如果cm维度不足：检查混淆矩阵的生成逻辑（比如分类模型的输出类别数是否与classes一致，是否漏统计了某个类别）。
   • 临时兼容（仅当确认classes长度错误时使用）：截取classes的匹配部分，比如classes = classes[:14]，但需保证截取逻辑符合业务需求。

3. 容错式创建DataFrame
   可以修改DataFrame的创建代码，自动适配矩阵维度，避免硬编码长度：

   def plot_confusion_matrix(cm):
       cm = cm[::-1]
       # 自动匹配矩阵的行列数，避免维度冲突
       cm = pd.DataFrame(
           cm,
           columns=classes[:cm.shape[1]],
           index=classes[::-1][:cm.shape[0]]
       )
       # 原有代码...
   

内容的提问来源于stack exchange，提问作者doman0101