Outlier – Ausreißer erkennen und behandeln

Identifikation und Behandlung von Ausreißern in Datensätzen
Z-Score, IQR, Isolation Forest - Capping, Winsorizing und robuste Methoden

Inhaltsverzeichnis

  1. Überblick
  2. Methoden zur Identifikation
  3. Entscheidungsbaum zur Behandlung
  4. Statistische Methoden
    1. Z-Score Methode
    2. IQR-Methode
  5. Behandlungsstrategien
  6. Visualisierung zur Erkennung
  7. Best Practices
  8. Auswirkungen auf ML-Modelle
  9. Scikit-learn Klassen
  10. Abgrenzung zu verwandten Dokumenten

Überblick

Ein Ausreißer (Outlier) ist ein Datenpunkt, dessen Ausprägung stark von der Norm abweicht. Ausreißer können die Ergebnisse von Analysen und Machine-Learning-Modellen erheblich verzerren. Die korrekte Identifikation und Behandlung von Ausreißern ist daher ein wichtiger Schritt in der Datenvorverarbeitung.

Methoden zur Identifikation 

%%{init: {'theme': 'base', 'themeVariables': {'fontSize': '11px'}}}%%
flowchart TB
    subgraph methoden["<b>Identifikationsmethoden"]
        direction LR

        subgraph wissen["<b>Wissensbasiert"]
            domain["<b>Domänenwissen</b><br/>Fachexperten definieren<br/>plausible Bereiche"]
            rules["<b>Geschäftsregeln</b><br/>Vordefinierte Grenzen<br/>und Constraints"]
        end

        subgraph statistik["<b>Statistikbasiert"]
            zscore["<b>Z-Score</b><br/>Standardabweichungen<br/>vom Mittelwert"]
            iqr["<b>IQR-Methode</b><br/>Interquartilsabstand"]
            percentile["<b>Perzentile</b><br/>Extreme Quantile"]
        end

        subgraph ml["<b>ML-basiert"]
            dbscan["<b>DBSCAN</b><br/>Dichtebasiertes Clustering<br/>mit Ausreißer-Erkennung"]
            lof["<b>Local Outlier Factor</b><br/>Lokale Dichte-<br/>abweichungen"]
        end
    end

    style wissen fill:#e8f5e9
    style statistik fill:#e3f2fd
    style ml fill:#fff3e0

Entscheidungsbaum zur Behandlung 

%%{init: {'theme': 'base', 'themeVariables': {'fontSize': '11px'}}}%%
flowchart TD
    start([Ausreißer erkannt]) --> analyse["Ursache analysieren"]

    analyse --> ursache{Ursache?}

    ursache -->|"Datenfehler"| korrigieren{"Korrektur<br/>möglich?"}
    ursache -->|"Echter Wert"| wichtig{"Fachlich<br/>wichtig?"}
    ursache -->|"Unklar"| vorsicht["Vorsichtiger<br/>Umgang"]

    korrigieren -->|"Ja"| fix["Wert korrigieren"]
    korrigieren -->|"Nein"| remove["Datenpunkt<br/>entfernen ❌"]

    wichtig -->|"Ja"| behalten["Behalten ✓<br/>Evtl. robust Modell"]
    wichtig -->|"Nein"| transform{"Transformation<br/>sinnvoll?"}

    transform -->|"Ja"| trans_methods["Capping / Winsorizing<br/>Log-Transformation"]
    transform -->|"Nein"| remove

    vorsicht --> robust["Robuste Methoden<br/>verwenden"]
    vorsicht --> sensitivity["Sensitivitätsanalyse<br/>mit/ohne Ausreißer"]

    fix --> ende([Ende])
    remove --> ende
    behalten --> ende
    trans_methods --> ende
    robust --> ende
    sensitivity --> ende

    style start fill:#2196F3,color:#fff
    style ende fill:#4CAF50,color:#fff
    style remove fill:#f44336,color:#fff
    style behalten fill:#4CAF50,color:#fff

Statistische Methoden

Z-Score Methode 

%%{init: {'theme': 'base', 'themeVariables': {'fontSize': '11px'}}}%%
flowchart LR
    subgraph zscore["<b>Z-Score Methode"]
        direction TB
        formel["Z = (x - μ) / σ"]
        regel["Typische Regel:<br/>|Z| > 3 → Ausreißer"]
    end

    formel --> annahme["⚠️ Annahme:<br/>Normalverteilung"]
    regel --> vorteil["✅ Einfach<br/>✅ Interpretierbar"]
    regel --> nachteil["❌ Sensitiv bei<br/>nicht-normalverteilten Daten"]

    style zscore fill:#e3f2fd

IQR-Methode 

%%{init: {'theme': 'base', 'themeVariables': {'fontSize': '11px'}}}%%
flowchart TB
    subgraph iqr["<b>IQR-Methode"]
        direction TB
        calc["IQR = Q3 - Q1"]
        lower["<b>Untere Grenze:<br/>Q1 - 1.5 × IQR"]
        upper["<b>Obere Grenze:<br/>Q3 + 1.5 × IQR"]
    end

    calc --> lower
    calc --> upper

    lower --> outlier_check{"Wert außerhalb<br/>der Grenzen?"}
    upper --> outlier_check

    outlier_check -->|"Ja"| is_outlier["→ Ausreißer"]
    outlier_check -->|"Nein"| normal["→ Normaler Wert"]

    style iqr fill:#e8f5e9
    style is_outlier fill:#ffcdd2
    style normal fill:#c8e6c9

Behandlungsstrategien 

%%{init: {'theme': 'base', 'themeVariables': {'fontSize': '11px'}}}%%
flowchart TB
    subgraph strategien["<b>Behandlungsstrategien"]
        direction LR

        subgraph entfernen["Entfernen"]
            delete["<b>Löschen</b><br/>Zeilen mit Ausreißern<br/>aus Datensatz entfernen"]
        end

        subgraph anpassen["<b>Anpassen"]
            cap["<b>Capping</b><br/>Auf Grenzwert<br/>begrenzen"]
            winsor["<b>Winsorizing</b><br/>Auf Perzentil-<br/>werte setzen"]
            transform["<b>Transformation</b><br/>Log, Wurzel,<br/>Box-Cox"]
        end

        subgraph robust["<b>Robuste Methoden"]
            median_model["<b>Median statt Mean</b><br/>Robuste Statistiken"]
            robust_algo["<b>Robuste Algorithmen</b><br/>RANSAC, Huber"]
            ensemble["<b>Ensemble</b><br/>Ausreißer-resistente<br/>Modelle"]
        end

        subgraph behalten["<b>Behalten"]
            keep["<b>Unverändert lassen</b><br/>Wenn fachlich<br/>relevant"]
            flag["<b>Markieren</b><br/>Als Feature für<br/>das Modell"]
        end
    end

    style entfernen fill:#ffcdd2
    style anpassen fill:#fff3e0
    style robust fill:#e3f2fd
    style behalten fill:#c8e6c9

Visualisierung zur Erkennung 

%%{init: {'theme': 'base', 'themeVariables': {'fontSize': '11px'}}}%%
flowchart LR
    subgraph viz["<b>Visualisierungsmethoden"]
        direction TB
        boxplot["<b>Boxplot</b><br/>Quartile und Ausreißer<br/>auf einen Blick"]
        scatter["<b>Scatterplot</b><br/>Multivariate<br/>Ausreißer erkennen"]
        histogram["<b>Histogramm</b><br/>Verteilung und<br/>extreme Werte"]
        violin["<b>Violinplot</b><br/>Verteilung mit<br/>Dichtedarstellung"]
    end

    boxplot --> bp_use["Schnelle univariate<br/>Analyse"]
    scatter --> sc_use["Beziehungen zwischen<br/>Variablen"]
    histogram --> hist_use["Verteilungsform<br/>verstehen"]
    violin --> vio_use["Detaillierte<br/>Verteilungsanalyse"]

    style viz fill:#f3e5f5

Best Practices

Empfehlung Beschreibung
Immer visualisieren Boxplots und Scatterplots vor statistischen Tests
Kontext verstehen Fachexperten einbeziehen bei der Interpretation
Dokumentieren Welche Ausreißer wurden wie behandelt
Mehrere Methoden Verschiedene Erkennungsmethoden kombinieren
Sensitivitätsanalyse Modell mit und ohne Ausreißer vergleichen
Vorsicht beim Löschen Nur echte Fehler entfernen, nicht unbequeme Werte
Reihenfolge beachten Ausreißer vor Missing Values behandeln (oder umgekehrt konsistent)

Auswirkungen auf ML-Modelle 

%%{init: {'theme': 'base', 'themeVariables': {'fontSize': '11px'}}}%%
flowchart TB
    outlier["Unbehandelte<br/>Ausreißer"]

    outlier --> linreg["<b>Lineare Regression</b><br/>Stark beeinflusst<br/>❌ Sehr sensitiv"]
    outlier --> tree["<b>Entscheidungsbäume</b><br/>Weniger beeinflusst<br/>✓ Relativ robust"]
    outlier --> knn["<b>KNN</b><br/>Distanz-sensitiv<br/>❌ Sensitiv"]
    outlier --> svm["<b>SVM</b><br/>Abhängig von Kernel<br/>⚠️ Mittel"]
    outlier --> nn["<b>Neuronale Netze</b><br/>Gradient-beeinflusst<br/>❌ Sensitiv"]
    outlier --> rf["<b>Random Forest</b><br/>Ensemble-Effekt<br/>✓ Robust"]

    style outlier fill:#f44336,color:#fff
    style linreg fill:#ffcdd2
    style knn fill:#ffcdd2
    style nn fill:#ffcdd2
    style tree fill:#c8e6c9
    style rf fill:#c8e6c9
    style svm fill:#fff3e0

Scikit-learn Klassen

| Klasse | Verwendung | |——–|————| | DBSCAN | Dichtebasiertes Clustering mit Ausreißer-Erkennung | | LocalOutlierFactor | Dichtebasierte lokale Ausreißer | | EllipticEnvelope | Gaussian-basierte Ausreißer-Erkennung | | OneClassSVM | SVM für Anomalie-Erkennung |

Abgrenzung zu verwandten Dokumenten

Thema Abgrenzung
Missing Values Outliers sind extreme Werte; Missing Values sind fehlende Eintraege — unterschiedliche Erkennungs- und Behandlungsstrategien
Skalierung Outliers werden idealerweise vor der Skalierung behandelt; Skalierung transformiert den Wertebereich nach der Bereinigung
Feature Engineering Outlier-Behandlung bereinigt Rohdaten; Feature Engineering transformiert bereinigte Daten in neue Merkmale

Version: 1.0
Stand: Januar 2026
Kurs: Machine Learning. Verstehen. Anwenden. Gestalten.