报错了：Traceback (most recent call last): File "C:\Users\Python study\PycharmProjects\ai\123.py", line 73, in <module> show_matrix(y_train,y_pred) File "C:\Users\Python study\PycharmProjects\ai\123.py", line 54, in show_matrix cm = confusion_matrix(y_test,y_pred) # 调用混淆矩阵 File "C:\Users\Python study\AppData\Local\Programs\Python\Python38\lib\site-packages\sklearn\metrics\_classification.py", line 317, in confusion_matrix y_type, y_true, y_pred = _check_targets(y_true, y_pred) File "C:\Users\Python study\AppData\Local\Programs\Python\Python38\lib\site-packages\sklearn\metrics\_classification.py", line 95, in _check_targets raise ValueError( ValueError: Classification metrics can't handle a mix of multiclass and continuous-multioutput targets

这个错误提示表明，混淆矩阵无法处理包含多类别和连续-多输出目标的混合数据。可能的原因是`y_test`或`y_pred`中包含了连续值的多类别目标。

请确保`y_test`和`y_pred`是离散的类别标签，而不是连续值。在处理多类别分类问题时，通常需要将类别标签转换为整数或离散的形式。

你可以使用`np.unique()`函数检查`y_test`和`y_pred`中的唯一值，确保它们是离散的类别标签。如果发现连续值或其他问题，可以尝试以下解决方法：

1. 检查数据集的标签是否正确，并确保它们是离散的类别。
2. 如果目标变量是连续值，考虑将问题转化为回归问题或使用其他适合连续值目标的评估指标。
3. 确保模型的输出层使用适当的激活函数来产生离散类别预测。

如果问题仍然存在，请提供更多关于数据和模型的信息，以便我能够更好地帮助你解决问题。