如何绘制各KFold混淆矩阵并通过循环展示以分析召回率为0的原因

没问题！要搞定每个KFold折的混淆矩阵并找出召回率为0的原因，我们需要跳出cross_val_score的封装，手动遍历每个折的训练和预测流程，这样才能拿到足够的细节来分析。下面是完整的实现和分析思路：

首先我们需要补充必要的库，并手动遍历KFold的每个拆分（这样才能获取每个折的预测结果来生成混淆矩阵）：

from sklearn import model_selection
from sklearn.linear_model import LogisticRegression
from sklearn.metrics import confusion_matrix, ConfusionMatrixDisplay, recall_score
import matplotlib.pyplot as plt

# 初始化KFold（建议加上shuffle=True，避免数据顺序导致的分布偏差）
kfold = model_selection.KFold(n_splits=6, random_state=19, shuffle=True)
model = LogisticRegression()

# 遍历每个KFold折，enumerate给每个折加序号
for fold_idx, (train_idx, test_idx) in enumerate(kfold.split(X_under, y_under), 1):
    # 拆分当前折的训练集和测试集
    X_train, X_test = X_under.iloc[train_idx], X_under.iloc[test_idx]
    y_train, y_test = y_under.iloc[train_idx], y_under.iloc[test_idx]
    
    # 训练模型
    model.fit(X_train, y_train)
    
    # 生成测试集预测结果
    y_pred = model.predict(X_test)
    
    # 计算并绘制混淆矩阵
    cnf_matrix = confusion_matrix(y_test, y_pred)
    disp = ConfusionMatrixDisplay(confusion_matrix=cnf_matrix, display_labels=model.classes_)
    disp.plot(cmap=plt.cm.Blues)
    plt.title(f"Confusion Matrix - KFold Fold {fold_idx}")
    plt.tight_layout()
    plt.show()
    
    # 打印当前折的召回率，方便对应分析
    fold_recall = recall_score(y_test, y_pred)
    print(f"=== Fold {fold_idx} 召回率: {fold_recall:.4f} ===")

关键细节说明 #

• 为什么不用cross_val_score？因为它只返回评估指标，没法拿到每个折的预测结果和数据集分布，手动遍历kfold.split()才能完整掌控每个折的流程，方便后续排查问题。
• 一定要加shuffle=True：如果你的数据集是按类别排序的，不洗牌会导致某个折的测试集全是单一类别，这是召回率为0的常见诱因之一。

结合每个折的混淆矩阵和数据集分布，你可以快速定位问题：

• 测试集无正样本：查看对应折的y_test.value_counts()，如果你的目标正样本数量为0，召回率自然为0（这种情况在类别不平衡的数据集拆分时容易出现）。
• 模型完全未预测出正样本：混淆矩阵中，正样本对应的预测列全为0。原因可能是：
  • 当前折的训练集正样本数量极少（即使做了欠采样，拆分后仍可能出现极端分布）
  • 模型正则化过强，或者参数设置不合理，导致欠拟合
  • 特征与目标变量相关性极低，模型无法学习到有效区分模式
• 类别标签错误：检查你的y_under标签是否正确，有没有把正样本误标为负样本的情况。

额外调试小技巧 #

在循环里加入以下代码，能帮你更直观地排查数据分布问题：

# 打印当前折的训练/测试集类别分布
print(f"Fold {fold_idx} 训练集类别分布:\n{y_train.value_counts()}")
print(f"Fold {fold_idx} 测试集类别分布:\n{y_test.value_counts()}")

另外可以尝试给模型加上class_weight='balanced'参数，给少数类更高的权重，缓解类别不平衡带来的影响：

model = LogisticRegression(class_weight='balanced')

内容的提问来源于stack exchange，提问作者BigData