機械学習をさせるほどデータ量がないが判別するために特徴量を見つける方法について

Question

前提・実現したいこと

機械学習を行うことができるほど大量のデータはない中で、特徴量を見つけ、
新たに与えられるデータを判別できるプログラムを書こうとしています。

データはセンサ５個から3回送られてくるものが１セットです。
新たに与えられるデータも数値が異なるだけで、同様のデータ行列です。

判別したい条件は4つです。
もしどの条件にも合わない場合は、「判別不可」とすることを考えています。

発生している問題・エラーメッセージ

こういったデータの場合、どのように分析することで各条件の特徴を見つけて、
新たに与えられるデータを判別できるのか方法がわからず困っています。

機械学習ができないというのは、各状況下で300セットしかデータ量がないです。
また、どんなアルゴリスムを適用するべきかわからないため、ご意見やアドバイスをいただきたいです。

該当のソースコード

判別したい条件別に例として2セット掲載しました。
行列の行は送られてくる１回目、２回目、3回目を表し、
列はセンサ１〜５を表しています。

条件１

[[1.190  0.085 0.021 0.031 0.106]
 [1.211  0.084 0.022 0.006  0.107]
 [1.222  0.091 0.022  0.009 0.125]]

[[1.186 0.086 0.026 0.0286 0.105]
 [1.235 0.095 0.023 0.006 0.109]
 [1.190 0.089 0.026 0.009 0.114 ]]

条件２

[[1.208 0.087 0.021 0.00941 0.096]
 [0.927 0.086 0.026 0.009 0.113]
 [1.264 0.103 0.025 0.007 0.102]]

[[0.924 0.088 0.024 0.009 0.106]
 [1.190 0.093 0.021 0.006 0.111]
 [1.234 0.094 0.025 0.006 0.117]]

条件3

[[0.902 0.083 0.366 1.847 1.873]
 [0.908 0.081 0.373 1.865 1.882]
 [1.151 0.083 0.310 1.852 1.820]]

[[0.923 0.083 0.324 1.873 1.907]
 [1.251 0.094 0.326 1.823 1.839]
 [0.997 0.110 0.328 1.854 1.901]]

条件4

 [[1.441 0.093 0.026 0.013 0.115]
 　[1.331 0.061 0.0230 0.006 0.120]
 　[1.446 0.123 0.0250 0.006 0.116]]

[[1.326  0.095 0.023 0.007 0.107]
 [1.329  0.058 0.031 0.006 0.105]
 [1.442  0.105 0.022 0.007 0.123]]

###考えていること
初歩的ではありますが、パッと見でも条件１２と条件3、条件４の３パターンでは
センサ1、３などの値が特徴的なのでそう行った条件でif文で判別するのも手かと考えています。

しかし、もしif文等で判別するとしても、その閾値（例えばifセンサ１の平均値>1.3など）を決めるにあたって、データをどのように分析すればより論理的に判別できるか悩んでいます。

補足情報（FW/ツールのバージョンなど）

Python3.6
jupyter4.2

Answer 1

300件あれば機械学習でもなんとかなる可能性はあります。

私ならロジスティック回帰など過学習しづらい分類器で交差検証をやって性能を確認してみて、望みの精度が得られればそのままそれを使うと思います。特徴量は3*5をflattenして15次元として取り扱えば良いでしょう。

参考までに。

Comments

[退会済みユーザー]

ご回答いただきましてありがとうございます。
機械学習についてもあまり詳しくないのですが、「ロジスティック回帰 機械学習」などと検索してみても、どの記事がわかりやすくて今回のデータを実装しやすいのか検討がつきませんでした。
お手数ですが、可能でしたらおすすめの参考サイトなどがあれば掲載いただけますと大変助かります。

[hayataka2049]

ぶっちゃけネット上の記事はそこまで良いものはないですし、特に手持ちのデータに適用させる場合はやる本人が基本的なことを理解していないと難しいです。でも、「ロジスティック回帰 python」とかで検索して出てくるものは一通り目を通しておいてもいいでしょう。
簡単に実装して動かしてみるなら、sklearnの以下の実装を使います。
https://scikit-learn.org/stable/modules/generated/sklearn.linear_model.LogisticRegression.html

最低限の基礎はどのみち抑えておいた方が良いので、ある程度時間をかけて取り組むつもりなら
https://www.amazon.co.jp/dp/4295003379/
などがよくまとまっていて勉強向きの書籍です。