def isolationForest_model(contamination='auto',max_samples=0.1,isStandard=True): if isStandard: model = Pipeline([ ('ss', StandardScaler()), #数据标准化过程 ('iForest', IsolationForest(max_samples=max_samples,contamination=contamination))]) else: model = Pipeline([ ('iForest', IsolationForest(max_samples=max_samples,contamination=contamination))]) return model features=['WindSpeed','Power', 'RotorSpeed'] new_data=pd.DataFrame() new_data=new_data.append(data[data['label']==1]) WindNumberList = list(data['WindNumber'].unique())

这段代码是一个Isolation Forest模型的构建函数，其中包含了数据标准化的过程。函数接受三个参数：contamination用于设置异常值的比例，max_samples用于设置随机选取样本的数量，isStandard用于设置是否进行标准化。如果isStandard为True，则数据会先进行标准化，否则不进行标准化。函数返回一个Pipeline对象，其中包含了StandardScaler()和IsolationForest()两个步骤。

该函数接下来定义了一个特征列表features，其中包含了三个特征：WindSpeed、Power和RotorSpeed。接着又定义了一个新的DataFrame对象new_data，并将原始数据中label为1的数据添加到该对象中。最后，获取了原始数据中的WindNumber的唯一值，并将其转换为一个列表WindNumberList。