This MinMaxScaler instance is not fitted yet

这个错误通常是因为你在使用一个没有被fit的MinMaxScaler对象进行transform操作。在使用MinMaxScaler之前，你需要先调用.fit()方法对它进行拟合。例如：

from sklearn.preprocessing import MinMaxScaler

scaler = MinMaxScaler()
scaler.fit(X_train)  # 对训练集进行拟合
X_train_scaled = scaler.transform(X_train) # 对训练集进行缩放
X_test_scaled = scaler.transform(X_test) # 对测试集进行缩放

在这个例子中，我们先对训练集进行拟合，然后使用.fit_transform()方法对训练集和测试集进行缩放。这样就可以避免上述错误。

相关问题

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。

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。