scikit-learn ConfusionMatrixDisplay无预测样本类时标签偏移问题及解决

我有一个可预测10个类别的模型，预测了26个样本，但y_test和y_pred中都没有class 3（'jumping_jacks'）的样本。原本预期混淆矩阵中“真实标签jumping_jacks”行和“预测标签jumping_jacks”列全为0，但实际显示的class 3对应的是class 4（'lateral_shoulder_raises'）的预测结果，从第3行/列开始所有内容都偏移，导致包含样本的class 9（'tricep_extensions'）未在矩阵中显示。

原输出问题示例 #

复现代码 #

from sklearn.metrics import confusion_matrix, ConfusionMatrixDisplay
from sklearn.preprocessing import LabelEncoder
import matplotlib.pyplot as plt
import pandas as pd
import numpy as np

ex_classes = {'Classes': ['bicep_curls', 'dumbbell_rows', 'dumbbell_shoulder_press', 'jumping_jacks',
       'lateral_shoulder_raises', 'lunges', 'pushups', 'situps', 'squats',
       'tricep_extensions']}
df_classes = pd.DataFrame(data=ex_classes)
label_enc = LabelEncoder()
label_enc.fit(df_classes['Classes'])

y_test = np.asarray([8, 8, 8, 6, 6, 6, 2, 2, 2, 5, 5, 5, 1, 1, 1, 7, 7, 7, 9, 9, 9, 0, 0, 0, 0, 4])
y_pred = np.asarray([8, 4, 4, 6, 6, 6, 2, 2, 2, 5, 5, 5, 1, 1, 1, 9, 7, 7, 9, 9, 9, 0, 0, 1, 0, 4])
cm = confusion_matrix(y_test, y_pred)
display = ConfusionMatrixDisplay(confusion_matrix=cm, display_labels = label_enc.classes_)
fig, ax = plt.subplots(figsize=(10,10))
display.plot(ax=ax, xticks_rotation='vertical')
plt.show()

confusion_matrix默认只会统计y_test和y_pred中实际出现的类别，不会自动包含训练时定义的所有类别。你的标签编码器对应10个类别，但测试和预测结果里仅包含9个（缺少class 3），所以生成的混淆矩阵是9x9维度。但你给ConfusionMatrixDisplay传入了10个类别的标签列表，导致标签和矩阵内容错位，出现偏移和类别缺失。

要强制混淆矩阵包含所有预设类别，只需在计算混淆矩阵时指定labels参数为所有类别的编码值：

• 获取所有类别的编码值：all_classes = label_enc.transform(label_enc.classes_)
• 计算混淆矩阵时传入labels=all_classes，确保矩阵维度与类别总数一致
• 再用ConfusionMatrixDisplay可视化，此时标签与矩阵内容能一一对应

修改后的完整代码 #

from sklearn.metrics import confusion_matrix, ConfusionMatrixDisplay
from sklearn.preprocessing import LabelEncoder
import matplotlib.pyplot as plt
import pandas as pd
import numpy as np

ex_classes = {'Classes': ['bicep_curls', 'dumbbell_rows', 'dumbbell_shoulder_press', 'jumping_jacks',
       'lateral_shoulder_raises', 'lunges', 'pushups', 'situps', 'squats',
       'tricep_extensions']}
df_classes = pd.DataFrame(data=ex_classes)
label_enc = LabelEncoder()
label_enc.fit(df_classes['Classes'])

# 获取所有类别的编码值，确保包含全部10个类别
all_classes = label_enc.transform(label_enc.classes_)

y_test = np.asarray([8, 8, 8, 6, 6, 6, 2, 2, 2, 5, 5, 5, 1, 1, 1, 7, 7, 7, 9, 9, 9, 0, 0, 0, 0, 4])
y_pred = np.asarray([8, 4, 4, 6, 6, 6, 2, 2, 2, 5, 5, 5, 1, 1, 1, 9, 7, 7, 9, 9, 9, 0, 0, 1, 0, 4])

# 计算混淆矩阵时指定labels参数，强制包含所有类别
cm = confusion_matrix(y_test, y_pred, labels=all_classes)
display = ConfusionMatrixDisplay(confusion_matrix=cm, display_labels=label_enc.classes_)
fig, ax = plt.subplots(figsize=(10,10))
display.plot(ax=ax, xticks_rotation='vertical')
plt.show()

修改后生成的混淆矩阵为10x10维度，其中'jumping_jacks'对应的行和列全为0，所有10个类别都会正常显示，不会再出现偏移或类别缺失的问题。

内容的提问来源于stack exchange，提问作者lonyen11