ValueError: Found array with dim 3. MinMaxScaler expected <= 2.

这个错误提示表明，你使用了一个三维数组作为输入来初始化MinMaxScaler对象，但是MinMaxScaler对象只能处理一维或二维数组。

通常，你可以将三维数组视为多个二维数组。如果你希望对三维数组中的每个二维数组进行归一化或标准化，你可以使用NumPy的reshape方法将三维数组reshape为二维数组，然后将MinMaxScaler对象应用于这些二维数组。例如，假设你的三维数组名为data，你可以使用以下代码将其reshape为二维数组，然后将MinMaxScaler对象应用于这些二维数组：

from sklearn.preprocessing import MinMaxScaler
import numpy as np

# 将三维数组reshape为二维数组
n, m, p = data.shape
data_2d = data.reshape(n*m, p)

# 初始化MinMaxScaler对象
scaler = MinMaxScaler()

# 对二维数组进行归一化
scaler.fit(data_2d)
data_norm_2d = scaler.transform(data_2d)

# 将归一化后的二维数组reshape为三维数组
data_norm = data_norm_2d.reshape(n, m, p)

这里，我们首先使用`data.shape`获取三维数组的形状，然后使用reshape方法将其转换为一个二维数组。然后，我们初始化一个MinMaxScaler对象，并使用fit方法计算每个特征的最小值和最大值。接下来，我们使用transform方法将二维数组归一化，并将其reshape为原始的三维数组形状。