类数，4，与 target_names 的大小，6 不匹配。尝试指定标签参数答案

【问题标题】：Number of classes, 4, does not match size of target_names, 6. Try specifying the labels parameter类数，4，与 target_names 的大小，6 不匹配。尝试指定标签参数
【发布时间】：2020-01-14 21:25:35
【问题描述】：

当我尝试制作我的 CNN 模型的混淆矩阵时遇到了一些问题。当我运行代码时，它会返回一些错误，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

我已经搜索过解决这个问题，但仍然没有得到完美的解决方案。我是这个领域的新手，有人可以帮助我吗？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))

【问题讨论】：

欢迎使用 SO，它不通过按原样抛出我们所有的代码来工作；在错误之后出现的代码是多余的并且与问题无关（它永远不会执行）并且只会增加不必要的混乱（已删除）。请参阅How to create a Minimal, Complete, and Verifiable example。

标签： python machine-learning scikit-learn confusion-matrix

【解决方案1】：

您应该更好地提出您的问题！我在做一些假设！
问题是：

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

有 6 个类，您的模型只能预测 4 个会引发错误的类，因为混淆矩阵提供了 4 个类（它应该是 6x6 而不是 6x4）。
要纠正这个问题，只需提供类标签。对于 ecample，如果有 3 个标签（在预测变量中）即 1,2,3

打印（分类报告（y_true，y_pred，标签=[1、2、3]））

请参阅此处的文档https://scikit-learn.org/stable/modules/generated/sklearn.metrics.classification_report.html

PS：

您的模型表现不佳。
您的数据集可能存在类别不平衡问题。

【讨论】：

【解决方案2】：

问题是您有 6 个标签名称：'class 0(cardboard)', 'class 1(glass)', 'class 2(metal)','class 3(paper)', 'class 4(plastic)','class 5(trash)'

但是你的confusion_matrix中只有4个类，当你打印时：print(y_pred)：你会得到带有0,1,2,3的数字的东西，或者当你print(y_test)你会从0,1,2,3得到数字时，它应该有助于删除：

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

根据您的代码，不知何故您没有 6 个预测/测试类。

这里还有一个如何绘制混淆矩阵的示例：How can I plot a confusion matrix?

【讨论】：