複数のセンサからの情報をまとめてラベルをつけ、機械学習的にラベルを判別する

Question

前提・実現したいこと

[実現したいこと]時間変化する４つのセンサの情報にラベルを付けて、
機械学習させてから、
センサの情報からそのラベルを判別したい。

しかし、機械学習にも種類が多くて何をどうすればよいのか見当がつきません。

そこで、どのようにシステムを作るかの指標や方法、書籍、URLなどを教えてほしいです。

[前提]
時間によって変化する４つのセンサ（arduinoでシリアル通信なので時間幅は変えられます。）を使う。
それらの情報をcsvファイルに次のように書き込む（左端が時間です。このセンサの出力情報は適当です。）

このcsvファイルの情報はある一つの動作をしているときのもので、
この一つのcsvファイルをラベル１とします。
同じような動作を何回も繰り返してラベル１のcsvファイルをたくさん用意します。

同様に違う動作についてのcsvファイルを用意してラベル２として
たくさん用意します。

これらを機械学習的におぼえさせて
ある4つのセンサの情報が入ってきたときにラベル１かラベル２を判別させたいです。

■■な機能を実装中に以下のエラーメッセージが発生しました。

発生している問題・エラーメッセージ

何をすればよいのかわからない。機械学習の本をみても、手書き文字判別や、テキスト判別が主なので参考にしずらい。
またネットでも一つのセンサの状態から判別するというものはあっても、複数の時間変化によるセンサを使ったものによる機械学習のページを見つけられない。

できること

4つのセンサの情報をパソコンに送信して、pythonを用いてcsvファイルを作成できる。

補足情報（FW/ツールのバージョンなど）

ここにより詳細な情報を記載してください。

Answer 1

機械学習は、便利ですが、ディープラーニングと違い、ヒトがデータそのものを理解していないと、
それを学習に突っ込んでも良い結果が得られないことはよくある話です（私も経験済み）

まず、質問者様がこれから、どういう手順で処理しなければならないのかを私なりにご提示します

１．ある動作？ごとに4つのセンサ値を可視化します
ー理由：ある動作を判別する際に4つ全てのセンサが挙動が違うのか、それとも1つだけなのかわからないからです

２．１．でどのセンサを見れば判別できるのかわかったら、それらのセンサを、簡単な判別モデルSVM（サポートベクターマシン）に通す
ー理由：機械学習は、モデルの良し悪しよりも、特徴量の良し悪しでほぼ決まるので、モデルは有名なSVMにした、SVMにする特別な理由はない

まだ、質問様がどのくらいの知識を持っているかわからないため、まずは上記の手順を示しました

Comments

[meJ15]

手首とひじにつけて、それらの曲げ具合をセンサでとるつもりで、
たとえばですけど
ボールを投げる運動やバスケのシュートなどの動作をラベルとして設定しようと思っています。

これらの運動をしたときのデータをとって、グラフ化したとしたときに、違いが顕著なセンサを見つけ、
その違いが顕著なセンサデータだけをSVMに通せばうまくいく可能性があるということでしょうか？
もしその違いが顕著なセンサが４つあった場合はどのようにすればよいのでしょうか？

[Kalman_taku]

詳細なご回答ありがとうございます。
上記の違いが顕著なセンサが4つある場合は、
これら4つは、ラベルを判別するのに必要な特徴量と言えますので、それを
n✕4列の特徴量ベクトルとして、訓練データに適用できます

[meJ15]

詳しくありがとうございます。SVMを使うのですね。右も左もわからなかったのである程度道筋が見えてきました。

Answer 2

系列データですね。

古典的な方法は色々あります。

参考：
A Brief Survey on Sequence Classification(系列データの分類)の要約 - xiangze's sparse blog

この手のタスクだと、最近はRNN系の手法使えば良いってことになっている気がします。
参考：
RNNで人間行動認識

Comments

[meJ15]

2番目のURLが良いと思ったので、読み込んでみます。
ありがとうございます。

Answer 3

①4列あるデータを1次元にしてXとして、単純なモデルに入れる方法
ridgeとsvmあたりがお手軽です。

②2次元のデータそのままをXとして、畳み込みニューラルネットワークに突っ込む
kerasの画像と同じ方法でできます。

Comments

[meJ15]

kerasのが画像とおなじ方法でできると聞き、混乱しています。kerasの画像について先に触ってみたほうがよさそうですね。

①について4つのセンサを一次元にして、、という方法でなぜ分別できるようになるのかわからないのです。簡単な説明が聞きたいのですが、お勧めのURLや本などありますでしょうか？

[mkgrei]

ニューラルネットワークの表現力は高く、例えば本来LSTMなどのRNNでやることが直感的なタスクに対しても、CNNがある程度精度を出せます。
conv1dを使うべきかconv2dを使うべきか悩むところですが、両方試してみたらいいと思います。

①についてはなぜ分類できるのかというより、モデルが1次元の入力を求めるからです。
https://qiita.com/yhyhyhjp/items/ebda34f46369b7d3ac8e
例えば数字の画像も1次元に変換したりします。
svmの場合、近傍法的な側面があるので。

[meJ15]

回答ありがとうございます。勉強不足でした。頑張りたいと思います。

Answer 4

csvの左端は時間のようですが、センサA～Dを時系列で見る
のではなくあくまで1行ごと（4値）に1ラベルと見るのでしたら
例えば

https://qiita.com/yasunori/items/8720c85e75b4679cae47

が参考になると思います。

Comments

[meJ15]

左端の0~19までの4つのセンサの情報を一つのラベルとしたいです。
そのときはどのような指標で取り組むべきなのでしょうか