我的Keras模型设计用于接收两个输入时间序列，将它们连接起来，通过LSTM层处理，并对下一个时间步进行多标签预测。

有50个训练样本，每个样本有24个时间步，每个样本有5625个标签。

有12个验证样本，每个样本有24个时间步，每个样本有5625个标签。

当我尝试验证模型时，average_precision_score返回了’nan’。这是为什么呢？

我在下面准备了一个最简示例（MWE），来说明这个问题：

这段代码无需翻译

运行上述代码应该会在不到30秒的时间内给出类似这样的结果。请注意平均精确度返回了nan：

这段代码无需翻译

即使使用一个更简单的模型，仅有一个输入，也会出现同样的错误：

这段代码无需翻译

回答：

问题出在错误的（颠倒的）维度上。将矩阵展平解决了这个问题：

y_val_true, val_pred = y_val_true.reshape((-1)), val_pred.reshape((-1))val_ap = average_precision_score(y_val_true, val_pred)