R语言caret包混淆矩阵缺失因子的条件替换方案问询

我明白你现在遇到的麻烦——用caret的confusionMatrix处理多组栅格/矢量数据时，经常因为预测和参考数据的类别水平不统一报错，尤其是当某组数据里缺了某个预设类别，或者两者类别重叠度不够的时候。你看到的the data cannot have more levels than the reference错误，本质是预测数据的因子水平比参考数据多（比如你的示例里预测数据有0、2、4，而参考数据只有0、4），导致函数无法对齐类别。

核心解决方案：统一强制指定所有类别水平 #

与其手动用if语句补0，不如直接让R把预测和参考数据都转换成包含所有预设类别的因子，这样confusionMatrix会自动为缺失的类别交叉项填充0。具体步骤如下：

1. 先明确所有需要包含的类别（你的场景是0、2、4）
2. 把预测数据和参考数据都转换成因子，强制指定levels参数为所有预设类别
3. 再调用confusionMatrix，就能生成完整的3×3矩阵

针对你给出的第4组数据，具体代码如下：

# 定义所有必须包含的类别水平
all_levels <- c(0, 2, 4)

# 将预测数据和参考数据转换为因子，强制保留所有水平
pred_data <- factor(mask.vals[[4]], levels = all_levels)
ref_data <- factor(ref.data[[4]]@data$CLASS_ID, levels = all_levels)

# 生成混淆矩阵
cm_result <- confusionMatrix(data = pred_data, reference = ref_data)

# 查看完整的3×3混淆矩阵
cm_result$table

运行后你会得到想要的结果：

Reference
Prediction 0 2 4
         0 2 0 67
         2 0 0 9
         4 0 0 36

循环处理多组数据的优化方案 #

如果要批量处理所有样本点，建议把逻辑封装成函数，用lapply循环处理，避免重复代码：

# 定义单个混淆矩阵的处理函数
generate_confusion_matrix <- function(pred_vec, ref_vec, target_levels) {
  # 统一转换为指定水平的因子
  pred_fac <- factor(pred_vec, levels = target_levels)
  ref_fac <- factor(ref_vec, levels = target_levels)
  # 生成并返回混淆矩阵
  return(confusionMatrix(data = pred_fac, reference = ref_fac))
}

# 批量处理所有样本点
all_target_levels <- c(0, 2, 4)
all_confusion_matrices <- lapply(seq_along(mask.vals), function(index) {
  generate_confusion_matrix(
    pred_vec = mask.vals[[index]],
    ref_vec = ref.data[[index]]@data$CLASS_ID,
    target_levels = all_target_levels
  )
})

# 比如查看第4组的结果
all_confusion_matrices[[4]]$table

为什么之前的if语句没生效？ #

手动判断补0很容易遗漏场景（比如参考数据缺类别、预测数据缺类别、两者都缺的情况），而通过因子强制指定水平的方式，让caret自动处理类别对齐，更适配栅格/矢量数据中类别分布不稳定的情况，也更健壮。

内容的提问来源于stack exchange，提问作者GeoCat333