调用sklearn的confusion_matrix出现未知与多分类目标混合报错如何解决

该报错由y_test与ypred的类型不匹配触发：虽然两者的实际取值都是0、1、2、3四类整数，但y_test的dtype为object，scikit-learn的分类指标校验逻辑会将object类型的分类值判定为未知类型，和数值类的多分类目标ypred识别为类型冲突，就算取值合法也会抛出报错。

• 方案一：转换y_test的类型为整数型，和ypred对齐
  执行代码前先做类型转换：

y_test = y_test.astype(int)
result = confusion_matrix(y_test, ypred)

• 方案二：显式指定分类标签，跳过自动类型推断
  如果不想修改原始y_test的类型，可以给混淆矩阵函数传入labels参数手动指定分类范围：

result = confusion_matrix(y_test, ypred, labels=[0,1,2,3])

修改前可以执行以下代码确认取值无异常，避免隐式转换导致其他问题：

# 确认y_test的所有取值都符合预期
print(y_test.unique())
# 确认ypred的所有取值都在分类范围内
print(set(ypred))

内容的提问来源于stack exchange，提问作者con