Algorithm 使用机器学习识别坡度的变化

我想通过一些机器学习把我的手弄脏，我终于有了一个问题，这似乎是一个很好的初学者项目。然而，尽管我读了很多关于这个主题的书，但我不确定如何开始，我的基本方法应该是什么

真正的数据集更像这样：

我想识别红色圆圈中的点（在第一张图像上），并对偶尔出现的伪影（如蓝色圆圈中的伪影）保持鲁棒性

听起来我的任务真的很简单。然而，原始数据中存在着相当多的噪声。我当前的实现非常传统。它使数据模糊，并将一阶导数和二阶导数与一些估计的阈值进行比较。这种方法可行，但“只能”以99.7%的准确率识别点，但由于我每天进行大约10万次测量，我希望增加这个数字

这就是我所拥有的：

我想要/需要的所有数据集

这是一个很好的数据外观模型

一个很好的训练集，使用我现有的算法（轮廓可以手动修复）

然而，我不知道应该使用什么方法。我觉得我读过的关于机器学习的材料都不适合这个问题

---

有人能帮我用超高级方法来解决这个问题吗？

这听起来更像是某种平滑或局部回归（黄土），而不是传统的机器学习算法。可能是卡尔曼滤波器？它看起来像是一个红色的圆圈，由一定距离上的最小持续坡度变化定义。蓝点失败是因为坡度的变化不是持续的，也就是说，它只是噪音。@GordonLinoff以前从未听说过黄土。我目前正在读这方面的文章。@wildplasser以前也从未听说过