类数为4，与目标名称数6不匹配。尝试指定标签参数。

Question

当我尝试制作卷积神经网络模型的混淆矩阵时，遇到了一些问题。当我运行代码时，会返回一些错误，例如：

print(classification_report(np.argmax(y_test,axis=1), y_pred,target_names=target_names))

Traceback (most recent call last):

  File "<ipython-input-102-82d46efe536a>", line 1, in <module>
    print(classification_report(np.argmax(y_test,axis=1), y_pred,target_names=target_names))

  File "G:\anaconda_installation_file\lib\site-packages\sklearn\metrics\classification.py", line 1543, in classification_report
    "parameter".format(len(labels), len(target_names))

ValueError: Number of classes, 4, does not match size of target_names, 6. Try specifying the labels parameter

我已经搜索了如何解决这个问题，但仍然没有找到完美的解决方案。 我完全是新手，能否有人帮帮我？ 谢谢。

from sklearn.metrics import classification_report,confusion_matrix
import itertools

Y_pred = model.predict(X_test)
print(Y_pred)
y_pred = np.argmax(Y_pred, axis=1)
print(y_pred)

target_names = ['class 0(cardboard)', 'class 1(glass)', 'class 2(metal)','class 3(paper)', 'class 4(plastic)','class 5(trash)']

print(classification_report(np.argmax(y_test,axis=1), y_pred,target_names=target_names))

- Shahinur Shakib

---

欢迎来到SO，我们不是通过抛出所有代码来解决问题；错误后面的代码是多余的，与问题无关（它永远不会被执行），只会增加不必要的混乱（已删除）。请参阅如何创建一个最小、完整和可验证的示例。 - desertnaut

Answer 1

问题在于你有6个标签名：'class 0(cardboard)', 'class 1(glass)', 'class 2(metal)','class 3(paper)', 'class 4(plastic)','class 5(trash)'，但是你的混淆矩阵中只有4个类别。当你打印y_pred时，你会得到一些数字，其中包含0,1,2,3，或者当你打印y_test时，你会得到来自0,1,2,3的数字，应该删除以下内容以帮助解决问题： print(classification_report(np.argmax(y_test,axis=1), y_pred,target_names=target_names)) 从你的代码中，某种程度上你没有6个预测/测试类别。

这里还有一个绘制混淆矩阵的示例: 如何绘制混淆矩阵?

- PV8

Answer 2

你的问题表述应该更清晰！我会做出一些假设！

问题在于：

目标名称为 `['class 0(cardboard)', 'class 1(glass)', 'class 2(metal)', 'class 3(paper)', 'class 4(plastic)', 'class 5(trash)']` 共6个类别，而你的模型只能预测4个类别，导致混淆矩阵中只有4个类别（应该是6x6而不是6x4）。要纠正这个问题，只需提供类别标签。例如，如果预测变量中有3个标签，分别为1、2、3，则可以使用以下代码：

```python print(classification_report(y_true, y_pred, labels=[1, 2, 3])) ```

请参阅此处的文档。

PS： 1. 你的模型表现很差。 2. 你的数据集可能存在类别不平衡的问题。

- aryan chaudhary

Answer 3

只需添加 "labels=np.arange(0,len(class_names),1)" 就可以解决你的问题，例如：

classification_report(y_true, y_pred,labels=np.arange(0,len(class_names),1),target_names=class_names, digits=4,zero_division=0)

- Francis Shaw

---

这真的有效！尝试指定标签参数！ - Hong Cheng