混淆矩阵出现多余0行求助：如何删除顶部0行保证计算准确

嘿，我之前处理分类模型性能评估时也碰到过一模一样的问题！顶部那行全0大概率是实际标签和预测标签的因子水平不匹配导致的——比如你的实际不良贷款标签里根本没有0这个类别，但预测结果的因子水平却包含了它，或者反过来。下面给你一步步的解决思路：

第一步：先排查标签类别是否一致 #

先看看你的实际值和预测值各自的类别分布，确认是不是有一方多了不存在的类别：

# 查看实际标签的类别及数量
table(actual.oversamp)
# 查看预测标签的类别及数量
table(predicted.oversample)

如果发现其中一个有另一个没有的水平（比如实际值只有1和2，预测值却有0），那先把两者的类别统一：

# 强制让预测值的类别和实际值完全一致
predicted.oversample <- factor(predicted.oversample, levels = levels(actual.oversamp))

第二步：重新生成带边际的混淆矩阵 #

类别统一后，再重新生成混淆矩阵并添加边际，这时候应该就不会出现全0的冗余行了：

# 生成基础混淆矩阵，给行列命名更清晰
conf_mat <- table(Actual = actual.oversamp, Predicted = predicted.oversample)
# 添加边际（行/列的合计值）
conf_mat_with_margins <- addmargins(conf_mat)

如果还是有全0行？手动精准移除 #

要是确认那行确实是完全多余的（比如是某个不存在的类别），可以直接通过索引或者判断来删除：

# 方式1：如果确定是第一行全0，直接移除
conf_mat_cleaned <- conf_mat_with_margins[-1, ]

# 方式2：自动检测所有全0行并移除（更稳妥）
zero_rows <- which(rowSums(conf_mat_with_margins) == 0)
if(length(zero_rows) > 0){
  conf_mat_cleaned <- conf_mat_with_margins[-zero_rows, ]
}

额外小技巧：用caret包简化操作 #

要是你经常做模型评估，推荐用caret包的confusionMatrix()函数，它会自动处理类别匹配的问题，还能直接输出准确率、召回率等一堆性能指标，省很多事：

library(caret)
# 先把两者都转成因子，确保水平一致
actual.oversamp <- factor(actual.oversamp)
predicted.oversample <- factor(predicted.oversample, levels = levels(actual.oversamp))
# 生成带边际的混淆矩阵及性能报告
cm <- confusionMatrix(predicted.oversample, actual.oversamp)
# 查看混淆矩阵（包含边际）
print(cm$table)

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