Summary  
This chapter explains how to apply k-Nearest Neighbors using multiple features by scaling each feature (e.g., with StandardScaler) so that distance calculations reflect all features equally, and describes how the neighborhood generalizes to spheres in higher dimensions.

General domain of usage  
Supervised classification tasks

Ahora comprendes cómo funciona **k-NN** con una sola característica. Pasemos a un ejemplo un poco más complejo que utiliza dos características: **peso** y **ancho**.

En este caso, necesitamos encontrar vecinos basándonos en **ambos, ancho y peso**. Pero hay un pequeño inconveniente con esto. Vamos a graficar los dulces y ver qué sucede:

Puedes observar que el peso varía entre **12** y **64**, mientras que el ancho solo está entre **5** y **12**. Dado que el rango del ancho es mucho menor, los dulces parecen estar casi alineados verticalmente. Si calculamos las distancias ahora, reflejarán principalmente las **diferencias en peso**, como si nunca hubiéramos considerado el ancho.

Sin embargo, existe una solución: **escalar los datos**.

Ahora, tanto el peso como el ancho están en la misma escala y **centrados alrededor de cero**. Esto se puede lograr mediante la clase `StandardScaler` de `sklearn`. `StandardScaler` simplemente resta la **media de la muestra** y luego divide el resultado por la **desviación estándar de la muestra**:
$$
X_{scaled} = \frac{X - \bar x}{s}
$$


`StandardScaler` centra los datos alrededor de **cero**. Aunque centrar **no es obligatorio** para k-NN y puede generar confusión, como "¿cómo puede el peso ser negativo?", es simplemente una forma de presentar los datos a una computadora. Algunos modelos requieren **centrado**, por lo que es recomendable usar `StandardScaler` para escalar por defecto.

De hecho, siempre se debe escalar los datos antes de usar k-Nearest Neighbors. Con los datos escalados, ahora podemos encontrar los vecinos:

En el caso de dos características, k-NN define un **vecindario circular** que contiene el número deseado de vecinos. Con tres características, esto se convierte en una **esfera**. En dimensiones superiores, el vecindario asume una forma más compleja que no puede visualizarse, aunque los **cálculos subyacentes permanecen sin cambios**.

Domina los algoritmos de clasificación fundamentales que impulsan el aprendizaje automático moderno. Explora cómo modelos como k-NN, regresión logística, árboles de decisión y bosques aleatorios realizan predicciones, evalúan su precisión y comprende cuándo utilizar cada uno. Desarrolla las habilidades para comparar modelos y seleccionar el más adecuado para tus datos.

Descubra cómo el algoritmo de los k vecinos más cercanos realiza predicciones basadas en la similitud. Aprenda a manejar múltiples características, ajustar parámetros y aplicar validación cruzada para mejorar la precisión.

Comprender cómo la regresión logística modela probabilidades y clasifica resultados.
Practicar la implementación, la interpretación de fronteras de decisión y la aplicación de regularización para prevenir el sobreajuste.

Aprenda cómo los árboles de decisión dividen los datos en grupos significativos según los valores de las características. Explore cómo parámetros como la profundidad del árbol y el número mínimo de muestras por hoja afectan el rendimiento y la generalización del modelo.

Explora cómo los bosques aleatorios combinan múltiples árboles de decisión para mejorar la precisión y la robustez. Comprende el papel de la aleatoriedad y aplica este método de conjunto a datos del mundo real.

Evaluación de modelos utilizando métricas como exactitud, precisión, exhaustividad y puntuación F1.
Interpretación de matrices de confusión y comparación de múltiples clasificadores para identificar el modelo de mejor desempeño.

K-NN con Múltiples Características