请提供一段python代码：将5000个无标签样本图片样本输入到one class svm单类分类器中，分类器输出5000个数据点（去掉分类结果）

以下为python代码，请参考：

from sklearn import svm
from sklearn.model_selection import train_test_split
import numpy as np

# 读取无标签样本图片样本，假设为5000个，每个图片样本的特征维度为n
X = np.random.randn(5000, n)

# 训练one class svm分类器
clf = svm.OneClassSVM(nu=0.1, kernel="rbf", gamma=0.1)
clf.fit(X)

# 使用训练好的分类器对训练样本进行分类
y_pred = clf.predict(X)

# 输出分类结果，即5000个数据点
print(y_pred)

上述代码中，我们使用sklearn库中的svm模块训练了一个one class svm分类器，并使用它对5000个无标签样本图片样本进行了分类，输出了5000个数据点。其中，nu、kernel、gamma为svm分类器的参数，根据实际需求进行调整。