Python 如何使sklearn.metrics.confusion_matrix（）始终返回TP、TN、FP、FN？

我正在使用sklearn.metrics.confusion\u matrix（y\u actual，y\u predict）

from sklearn.metrics import confusion_matrix

y_actual, y_predict = [1,1,1,1], [0,0,0,0]
tn, fp, fn, tp = confusion_matrix(y_actual, y_predict).ravel()
>>> [0 0 4 0]   # ok

y_actual, y_predict = [1,1,1,1],[0,1,0,1]
tn, fp, fn, tp = confusion_matrix(y_actual, y_predict).ravel()
>>> [0 0 2 2]   # ok

但是，在某些情况下，混淆矩阵（）并不总是返回这些信息，我会得到ValueError，如下所示

from sklearn.metrics import confusion_matrix

y_actual, y_predict = [0,0,0,0],[0,0,0,0]
tn, fp, fn, tp = confusion_matrix(y_actual, y_predict).ravel()
>>> [4]    # ValueError: not enough values to unpack (expected 4, got 1)

y_actual, y_predict = [1,1,1,1],[1,1,1,1]
tn, fp, fn, tp = confusion_matrix(y_actual, y_predict).ravel()
>>> [4]    # ValueError: not enough values to unpack (expected 4, got 1)

我的临时解决方案是编写自己的函数来提取这些信息。是否有任何方法可以强制混淆矩阵（）始终返回tn、fp、fn、tp输出

谢谢
这个问题与输入矩阵中包含的唯一标签的数量有关。在第二组示例中，它（正确地）仅使用一个类（分别为0或1）构建混淆矩阵

要强制它输出两个类，即使其中一个未被预测，请使用
标签
属性

y_actual, y_predict = [0,0,0,0],[0,0,0,0]
tn, fp, fn, tp = confusion_matrix(y_actual, y_predict, labels=[0,1]).ravel()
>> array([[4, 0],
          [0, 0]])

哇，太完美了！！非常感谢。所以函数是
ravel