我试图自动检测x，y散点图中的某个数据点。我有成千上万个这样的方法，所以我需要实现一种在准确性和灵敏度之间进行良好权衡的方法。从视觉上看，我可以看到我的“异常”数据点，但我非常努力地在统计上拾取它们。
这是我的x，y数据的典型散点图（请在此处找到附加的xy数据：https://onlinetextsharing.com/untitled-722）：
Scatterplot
我最感兴趣的是识别具有正偏差的数据点，即下面用红色圈出的数据点：
Outliers
用蓝色圈起来的可能是“异常的”，但我知道它们可能离主集群太近了，无法清楚地（和/或统计学上）被选为异常。负偏差（即用绿色圈出的）也可以标记为异常，但我对它们不太感兴趣。
我试图实现的是像下面的图表（altough任何其他方法都是非常受欢迎的）。基本上，我想拟合一条穿过主集群的曲线，并隔离主集群中的数据点。最后，我可以把那些落在这些假设边界之外的标记为潜在的异常。请注意，边界（如红色阴影区域所示）不需要沿曲线等距沿着，它们可以随点的扩展程度而变化，如果这有意义的话。
Theoretical Example
我在这个论坛上找到了一些想法（即Confidence interval for LOWESS in Python），但我不确定这些是否适用于我的数据。这就是我所追求的：
Example来自：https://github.com/cerlymarco/tsmoothie
任何帮助是感激不尽。提前感谢！