使用confusionMatrix函数报错：数据含未找到的水平，求解决方法

错误原因 #

confusionMatrix要求真实标签（reference）和预测标签（data）的因子水平必须完全一致。你的场景中：

• as.factor(AAA)生成的因子包含E水平
• BBB的因子水平固定为["A","B","C","D","L"]，无E
  两者水平不匹配，触发报错。

解决方法 #

方法1：统一所有可能的水平（推荐，保留全部类别信息）

先合并真实标签和预测标签的所有水平，再将两者转为包含统一水平的因子：

# 提取所有需要覆盖的水平
all_levels <- unique(c(AAA, levels(BBB)))

# 将真实标签和预测标签转为统一水平的因子
ref_factor <- factor(AAA, levels = all_levels)
pred_factor <- factor(BBB, levels = all_levels)

# 重新调用confusionMatrix
confusionMatrix(reference = ref_factor, data = pred_factor, mode='everything')

方法2：仅保留预测标签的水平（过滤/转换真实标签）

如果AAA中的E是无效类别，或你只需要分析BBB包含的水平：

• 方式A：将真实标签转为和预测标签一致的水平（E会被设为NA，需确认是否接受）

ref_factor <- factor(AAA, levels = levels(BBB))
confusionMatrix(reference = ref_factor, data = BBB, mode='everything')

• 方式B：直接过滤掉真实标签中含E的样本（同步过滤预测标签）

# 筛选出AAA属于BBB水平的样本索引
valid_samples <- AAA %in% levels(BBB)
# 仅用有效样本计算混淆矩阵
confusionMatrix(reference = factor(AAA[valid_samples]), 
                data = BBB[valid_samples], 
                mode='everything')

内容的提问来源于stack exchange，提问作者Ester Silva