我在网上搜索了这个问题答案，包括在写标题时的一些建议，但仍然没有找到答案，希望有人能帮助我！

我正在尝试使用sci-kit learn构建一个混淆矩阵。这是在一个keras模型之后进行的。

这很奇怪，因为我遇到了以下问题：对于原始数据的训练集和测试集…我可以按以下方式构建混淆矩阵（请注意，这是一个多标签问题，因此数据必须针对不同的标签进行子集划分）。

以下方法运行良好：

cm = confusion_matrix(y_train[:,0:6].argmax(axis=1), trainpred[:,0:6].argmax(axis=1))

以及6:18等…直到所有类别都被子集划分。由此形成的混淆矩阵反映了keras模型的真实结果…

问题出现在我将模型部署到完全未见过的数据上时。

我通过调用model.predict()部署模型，并得到如上所述的结果。然而，现在我无法以相同的方式子集划分混淆矩阵。

代码cm=confusion_matrix等…会导致CM的输出维度错误，即使指定了0:6等..

因此，我使用了上述代码，但对labels参数进行了修改：

age[0,1,2,3,4]organ[5,6,7,8]cm = confusion_matrix(y_train[:,0:6].argmax(axis=1), trainpred[:,0:6].argmax(axis=1), labels=age)

第一个标签（1:5）运行完美…然而，后面的标签却不行！我没有在混淆矩阵中得到正确的值，而且那些在其中的匹配也是不正确的。

为了说明这一点：在未见的测试数据中有超过400个样本。

model.predict显示大多数标签的分类和正确得分非常高..

调用CM=ytest[:,4:8]等，确实产生了一个4×4的矩阵，但是其中的值只有大约5个而不是400，而且那些在其中的值也不正确匹配。

另外…对于标签age是012345，将ytest子集划分为0:6会形成正确的混淆矩阵（我不确定为什么必须包括6在子集中…尽管如此，我尝试了不同的组合，结果还是相同的问题！

我已经四处搜索这个答案，所以我非常希望得到一些帮助，因为这非常令人沮丧。如果我可以提供更多的代码/信息，我会很乐意！！

非常感谢！

回答：

出现这种情况是因为您试图对生成的混淆矩阵进行子集划分，但实际上您需要手动生成一个新的混淆矩阵，指定类别标签。如果您的类别是A, B, C，您将得到一个3X3的矩阵。如果您想创建一个仅关注类别A的矩阵，其他类别将成为false类别，但false positive和false negative会发生变化，因此您不能仅对初始矩阵进行抽样。

您应该这样做

import matplotlib.pytplot as pltimport seaborn as snsdef generate_matrix(y_true, predict, class_name):    TP, FP, FN, TN = 0, 0, 0, 0    for i in range(len(y_true)):        if y_true[i] == class_name:            if y_true[i] == predict[i]:                TP += 1            else:                FN += 1        else:            if y_true[i] == predict[i]:                TN += 1            else:                FP += 1    return np.array([[TP, FP],                     [FN, TN]])# Plot new matrixmatrix = generate_matrix(actual_labels,                          predicted_labels,                          class_name = 'A')

这将为class A生成一个混淆矩阵。