This MinMaxScaler instance is not fitted yet. Call 'fit' with appropriate arguments before using this estimator.

这个错误通常是因为你在使用未拟合的MinMaxScaler实例进行转换。在使用MinMaxScaler进行特征缩放之前，你需要先使用.fit()方法对它进行拟合。例如：

from sklearn.preprocessing import MinMaxScaler

scaler = MinMaxScaler()
scaler.fit(X_train)  # 其中 X_train 是你的训练数据集

# 使用已拟合的MinMaxScaler实例进行特征转换
X_train_scaled = scaler.transform(X_train)
X_test_scaled = scaler.transform(X_test)

这样就可以避免该错误。

相关问题

NotFittedError: This MinMaxScaler instance is not fitted yet. Call 'fit' with appropriate arguments before using this estimator.

这个错误通常是因为你在使用MinMaxScaler之前没有调用fit方法来拟合数据。

你需要在使用MinMaxScaler之前先对数据进行拟合，例如：

from sklearn.preprocessing import MinMaxScaler

scaler = MinMaxScaler()
scaler.fit(X_train) # 在训练数据集上进行拟合
X_train_scaled = scaler.transform(X_train) # 将训练数据集进行缩放
X_test_scaled = scaler.transform(X_test) # 将测试数据集进行缩放

在调用transform方法对数据进行缩放之前，必须先调用fit方法进行拟合。这样MinMaxScaler才能够了解数据的范围，并计算出缩放所需的参数。

raise NotFittedError(msg % {'name': type(estimator).__name__}) sklearn.exceptions.NotFittedError: This MinMaxScaler instance is not fitted yet. Call 'fit' with appropriate arguments before using this estimator.

这是一个错误信息，它表示你正在尝试使用一个还未进行过拟合的MinMaxScaler实例。在使用这个实例之前，你需要先用相应的数据对它进行拟合（即调用fit方法），然后才能使用它进行数据转换。如果你确定已经对该实例进行了拟合，那么可能是因为你在使用它之前创建了一个新的实例，此时你需要确保使用的是同一个实例。