混淆矩阵默认按标签升序排列而非输入顺序，需显式传入labels参数；F1分数需根据二分类或多分类场景正确设置average参数，否则结果错误或报错。
直接用 confusion_matrix 和 f1_score 就能算，但结果对不上预期？大概率是标签顺序、平均方式或二分类/多分类场景没对齐。
混淆矩阵的输出顺序容易搞反
confusion_matrix 默认按 np.unique(y_true) 的升序排列类别，不是你训练时传入的顺序，也不是模型预测的原始类别名。比如真实标签是 ['cat', 'dog', 'bird']，但 np.unique 排序后变成 ['bird', 'cat', 'dog']，矩阵第一行就对应 bird 而非 cat。
实操建议：
- 显式传入
labels参数，如confusion_matrix(y_true, y_pred, labels=['cat', 'dog', 'bird']) - 配合
display_labels（scikit-learn ≥ 1.0）传给ConfusionMatrixDisplay，避免可视化错位 - 检查
y_true和y_pred是否都是字符串、整数或一致编码——混用会导致unique结果意外变化
F1分数的 average 参数决定结果含义
f1_score 默认是 average='binary'，只适用于二分类；如果直接拿它算多分类，会报错 ValueError: Target is multiclass but average='binary'。而设成 'macro'、'micro' 或 'weighted'，数值差异可能很大。
立即学习“Python免费学习笔记（深入）”；
实操建议：
- 二分类：保持默认，或明确写
average='binary'；正类标签用pos_label指定（如pos_label='spam'） - 多分类：优先看业务需求——关注每个类平等重要选
macro，关注整体样本分布选weighted，关注全局 TP/FN/FP 总和选micro - 想看每个类的 F1？去掉
average参数，返回数组，再用classification_report更直观
预测值和真实值必须严格对齐维度与类型
常见错误现象：ValueError: Found array with dim 3. Expected 或 <code>inconsistent numbers of samples，通常是因为 y_pred 是概率输出（如 model.predict_proba）而非硬分类结果。
实操建议：
- 确认
y_pred是一维数组，不是二维概率矩阵——该用model.predict()，不是model.predict_proba() - 若模型输出是 one-hot 编码，先用
np.argmax(y_pred, axis=1)转成类别索引 - 确保
y_true和y_pred长度相等，且无 NaN 或空值（sklearn不自动跳过） - 类别数不一致（如训练集有 3 类，测试集只出现 2 类）会触发警告，矩阵维度可能异常——用
labels显式声明全量类别可规避
最易被忽略的是：混淆矩阵本身不归一化，而 f1_score 对类别不平衡极度敏感。如果你的数据里 95% 是负样本，micro F1 可能虚高，此时必须结合矩阵里的具体 FP/FN 值看问题出在哪一类——不能只盯一个数字。
