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

Du förstår nu hur **k-NN** fungerar med en enskild egenskap. Låt oss gå vidare till ett något mer komplext exempel som använder två egenskaper: **weight** och **width**.

I detta fall behöver vi hitta grannar baserat på **både width och weight**. Men det finns ett litet problem med det. Låt oss plotta godisarna och se vad som går fel:

Du kan se att weight varierar från **12** till **64**, medan width bara är mellan **5** och **12**. Eftersom width har ett mycket mindre intervall verkar godisarna nästan vertikalt uppradade. Om vi nu beräknar avstånd kommer de främst att spegla **skillnader i weight**, som om vi aldrig tog hänsyn till width.

Det finns dock en lösning – **skala datan**.

Nu är både vikt och bredd på samma skala och **centrerade kring noll**. Detta kan uppnås med klassen `StandardScaler` från `sklearn`. `StandardScaler` subtraherar helt enkelt **provets medelvärde** och dividerar sedan resultatet med **provets standardavvikelse**:
$$
X_{scaled} = \frac{X - \bar x}{s}
$$


`StandardScaler` centrerar data kring **noll**. Även om centrering **inte är obligatoriskt** för k-NN och kan skapa förvirring, till exempel "hur kan vikt vara negativ", är det bara ett sätt att presentera data för en dator. Vissa modeller kräver **centrering**, så det är rekommenderat att använda `StandardScaler` som standard för skalning.

Faktum är att du **alltid** bör skala data innan du använder k-Nearest Neighbors. Med den skalade datan kan vi nu hitta grannarna:

Vid två egenskaper definierar k-NN ett **cirkulärt grannskap** som innehåller önskat antal grannar. Med tre egenskaper blir detta en **sfär**. I högre dimensioner antar grannskapet en mer komplex form som inte kan visualiseras, men **de underliggande beräkningarna förblir oförändrade**.

Behärska de centrala klassificeringsalgoritmerna som driver modern maskininlärning. Utforska hur modeller som k-NN, logistisk regression, beslutsträd och random forests gör prediktioner, utvärderar deras noggrannhet och förstå när varje modell bör användas. Bygg upp färdigheter för att jämföra modeller och välja den mest lämpliga för dina data.

Utforska hur algoritmen k-närmsta grannar gör förutsägelser baserat på likhet. Lär dig hantera flera variabler, justera parametrar och använda korsvalidering för att förbättra noggrannheten.

Förstå hur logistisk regression modellerar sannolikheter och klassificerar utfall. Öva på att implementera metoden, tolka beslutsgränser och tillämpa regularisering för att förhindra överanpassning.

Lär dig hur beslutsträd delar upp data i meningsfulla grupper baserat på egenskapsvärden. Utforska hur parametrar som trädets djup och minsta antal prover per blad påverkar modellens prestanda och generaliseringsförmåga.

Utforska hur random forest kombinerar flera beslutsträd för att förbättra noggrannhet och robusthet. Förstå slumpens roll och tillämpa denna ensemblemetod på verkliga data.

Utvärdera modeller med hjälp av mått såsom noggrannhet, precision, återkallelse och F1-poäng. Lära sig att tolka förväxlingsmatriser och jämföra flera klassificerare för att identifiera den modell som presterar bäst.

K-nn med flera funktioner