题目内容

在一个工业控制系统中，传感器定期采集设备运行数据。你已经获得了一组历史测量数据，每条记录包含多个数值特征以及一个表示设备状态的标签（正常为 0，异常为 1）。现在你需要构建一个分类器，对新的一批测量数据判断其状态。

你可以使用 numpy、pandas 和 scikit-learn 库。请按照以下步骤实现：

1. 数据读取与格式：将输入中的训练数据 train 和测试数据 test 转换为合适的数组形式，其中 train 的最后一列为标签，其余列为特征；test 仅包含特征。
2. 特征标准化：使用 sklearn.preprocessing.StandardScaler 对训练集的特征进行拟合，再对训练集和测试集的特征分别进行变换。
3. 模型定义：使用 sklearn.ensemble.RandomForestClassifier，并固定以下参数：
   • n_estimators=50