在使用 PYOD-ECOD 进行异常值检测的无监督学习时，Y 应该选择什么？

Question

我有一个包含 6283 个样本和 21 个变量的数据集，我正在寻找一种方法来确定数据集中的异常值。

我已经使用了 PYOD（Python 异常值检测）中的隔离森林、kNN、局部异常值森林和 PCA 等，并试图确定如何使用经验累积异常值检测（ECOD），因为它是一个较新的版本。

ECOD 的大多数示例使用由 generate_data 函数生成的假数据，该函数为您提供 Y 值，但在无监督学习中没有 Y 值（即异常值与否）。他们建议使用 train_test_split 数据，但如果没有已知的 Y 值，则无法执行此操作。我们如何给出 Y 值，或者我们在 ECOD 中使用真实数据跳过这一部分？

尝试阅读 PYOD 1.0.7 文档，我对如何使用 ECOD 感到困惑。任何帮助都值得赞赏，因为某些条款似乎已被弃用，并且很难确定用哪些功能替换这些条款。

我查看了几个链接，这些链接似乎都使用相同的人工生成数据。

https://medium.com/dataman-in-ai/handbook-of-anomaly-detection-with-python-outlier-detection-3-ecod-5cbf3e3021eb

变量如下：

'np_type', 'mrp', 'current_47mm_nA', 'rms_noise_47mm_pA',
       'voltage_47mm_V', 'particle_rate_47mm_/min', 'dI_47mm_nA',
       'g_at_47mm_nS', 'mrp_47mm_nm', 'dI/I_47mm', 'width_85_std',
       'width_85_median', 'width_85_skewness', 'width_85_kurtosis',
       'asymmetry_85_std', 'asymmetry_85_median', 'asymmetry_85_skewness',
       'asymmetry_85_kurtosis', 'width_50_std', 'width_50_median',
       'width_50_skewness', 'width_50_kurtosis', 'asymmetry_50_std',
       'asymmetry_50_median', 'asymmetry_50_skewness', 'asymmetry_50_kurtosis',
       'prominence_std', 'prominence_median', 'prominence_skewness',
       'prominence_kurtosis'