CNN+LSTM模型生成混淆矩阵时报ValueError样本数量不一致求助

问题根源 #

错误触发的核心原因是你对测试集标签做argmax运算时指定的轴参数错误，同时你的数据集划分逻辑也存在逻辑错误：

• 首先看你处理标签的两行代码：

y_pred= np.argmax(Y_pred2, axis=1) # prediksi
y_test=np.argmax(Y_test, axis=0)

你的Y_test是独热编码格式，形状为(测试集样本数, 类别数)，你指定axis=0相当于沿着样本维度取最大值索引，输出结果的长度等于你的类别数（报错中的4就是你设置的n_labels值）；而y_pred是沿着axis=1（类别维度）取索引，输出结果长度等于测试集样本数（报错中的304）。二者长度不一致，就触发了混淆矩阵的样本数不一致报错。

• 第二个隐藏问题是你的训练集/测试集划分逻辑错误：

X_train=Train_data[:int(Totalnb * 0.9),:]
Y_train=Train_label[:int(Totalnb * 0.9)]
X_test=Train_data[int(Totalnb * 0.1):,:]
Y_test=Train_label[int(Totalnb * 0.1):]

你这里训练集取的是前90%样本，测试集取的是后90%样本，二者存在80%的重叠，完全不符合数据集划分的要求，正确的测试集应该取总样本的后10%。

修复方案 #

把上述两处错误修改为如下代码即可：

1. 修正数据集划分逻辑：

X_train=Train_data[:int(Totalnb * 0.9),:]
Y_train=Train_label[:int(Totalnb * 0.9)]
# 测试集从90%的位置开始取，而不是10%的位置
X_test=Train_data[int(Totalnb * 0.9):,:]
Y_test=Train_label[int(Totalnb * 0.9):]

2. 修正标签argmax的轴参数：

y_pred= np.argmax(Y_pred2, axis=1)
# 沿着类别维度（axis=1）取最大值索引，和y_pred保持一致
y_test=np.argmax(Y_test, axis=1)

修改完成后再运行混淆矩阵相关代码即可正常输出结果。

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