把已经取出来的20组不同的参数（已经是20行数组,参数包括gamma和nu），恢复到单类分类器one class svm中去进行训练

首先，您需要将这20个参数按照行为单位存储在一个二维数组中。然后，您可以使用Python中的sklearn库中的OneClassSVM类来创建一个单类分类器，并使用这些参数来训练模型。具体步骤如下：

1. 导入必要的库：

import numpy as np
from sklearn.svm import OneClassSVM

2. 将20个参数保存在二维数组中：

params = np.array([
        [gamma_1, nu_1],
        [gamma_2, nu_2],
        ...,
        [gamma_20, nu_20]
    ])

3. 创建OneClassSVM对象并使用上面的参数进行训练：

clf = OneClassSVM(gamma=params[:, 0], nu=params[:, 1])
clf.fit(X_train)

其中，gamma和nu分别对应于单类分类器的两个重要参数，X_train是用于训练的数据集。

4. 对新数据进行预测：

y_pred = clf.predict(X_test)

其中，X_test是用于测试的数据集，y_pred是预测结果。

注意：在新数据集上训练单类分类器时，您需要使用与训练数据集相同的参数。