Scikit-learn随机森林二分类混淆矩阵行对应类别判断方法咨询

这问题我太有共鸣了！用Scikit-learn做二分类任务时，盯着混淆矩阵猜行对应哪个类别真的很头疼，尤其是样本数量相近的时候。其实有几个简单直接的方法，帮你一秒搞清楚：

1. 牢记函数的默认规则 #

Scikit-learn的confusion_matrix函数有明确的定义：

• 行对应真实标签（y_true），列对应预测标签（y_pred）
• 类别顺序默认是y_true中唯一值的升序排列（比如二分类任务里，0会排在1前面，第一行就是真实类别0，第二行是真实类别1）

如果想自定义类别顺序，直接用labels参数指定就行：

from sklearn.metrics import confusion_matrix

# 强制让真实类别1排在混淆矩阵的第一行
cm = confusion_matrix(y_true, y_pred, labels=[1, 0])

2. 用分类报告辅助验证 #

跑一份分类报告就能快速对应上类别顺序：

from sklearn.metrics import classification_report

print(classification_report(y_true, y_pred))

报告里的类别顺序和混淆矩阵的行/列顺序完全一致——比如报告里第一个列出的类别，就是混淆矩阵第一行对应的真实类别，同时也是第一列对应的预测类别。

3. 小样本手动测试 #

最快的验证方法是造个极简的已知数据集：

y_true = [0, 0, 1, 1]  # 两个真实0，两个真实1
y_pred = [0, 1, 0, 1]  # 第一个0预测正确，第二个0预测错误；第一个1预测错误，第二个1预测正确

cm = confusion_matrix(y_true, y_pred)
print(cm)
# 输出结果：
# [[1 1]
#  [1 1]]

一眼就能看出来：第一行是真实类别0的结果（1个预测正确，1个预测错误），第二行是真实类别1的结果，完美对应。

4. 可视化直接看标注 #

用ConfusionMatrixDisplay生成可视化混淆矩阵，标签直接标在图上，根本不用猜：

from sklearn.metrics import ConfusionMatrixDisplay

disp = ConfusionMatrixDisplay.from_predictions(y_true, y_pred)
disp.plot()

生成的图会清晰标注“True Label”（行）和“Predicted Label”（列），每个单元格的类别标签也会显示，直观到不行。

额外提醒 #

如果用了Pipeline或者做过标签编码，要确保训练集和测试集的标签编码规则一致——比如别训练时把0设为正类，测试时又搞反，不然混淆矩阵的顺序也会乱。

内容的提问来源于stack exchange，提问作者kanam