题目内容

某生产线需要对零件进行质量分级：合格品标记为 $1$，不合格品标记为 $0$。你手头有一批历史检测记录作为训练集，每条记录包含若干数值型特征，最后一列为质量标签。现在又送来一批新零件，只给出了特征值，需要你预测它们的质量标签。

为了保证不同特征尺度的影响一致，你决定对特征进行 Z-score 标准化：使用训练集计算均值和标准差，然后将训练集和测试集的特征都变换为均值为 $0$、标准差为 $1$ 的分布。

分类模型采用基于决策树的集成方法，由 $50$ 棵树投票决定最终类别。为防止过拟合并保证结果可复现，固定以下超参数：树的数量为 $50$，节点再分裂所需最小样本数为 $2$，叶节点最少样本数为 $1$，随机种子设为 $42$。其余超参数保持默认值。

请严格按照上述步骤训练模型，并对测试集逐一输出预测的类别标签。