出租车共享场景中的机器学习？

Question

所以我有这个运输问题的数据集。 该图显示了出租车池的情况。 考虑下图：

具有相同乘车号的用户乘坐相同的出租车（每个用户都有相同的起点，因此请忽略此点）。 现在这意味着，Y，Z和A处于同一距离，B和C以及D＆E也是如此。

现在，我想将此数据集拟合到机器学习模型中，这样当我输入任何用户的目的地时，该模型应该给我预测可以与我的目的地耦合的对象，以便我可以与这些人一起乘坐出租车。

就像我必须去“ C”位置一样，我可以加入要去“ B”位置的人们。

在这种情况下，我可以使用哪种机器学习算法？

Answer 1

您可能不需要机器学习算法。 给定乘车编号，您可以识别彼此靠近的位置并将其分组。 当出现新位置时，您可以看到它属于哪个组，并将前往该组中各个位置的人员配对。

为此，您可以创建一个矩阵，该矩阵的行和列的位置分别为A, B,C,... 您将得到一个num_of_locations x num_of_locations矩阵。 对于具有行标签B和列标签C的单元格，您可以将其标记为1，因为它们位于附近，并且不靠近的位置（例如A和B ）应标记为零。

矩阵将是对称矩阵，因此，如果您有太多位置，则可以通过一些优化来节省内存和计算量。 您可以研究将三角矩阵保存为稀疏矩阵。

另外，如果您有权使用正确的资源（付费图书馆），则可以将0,1替换为距离（实际上是位移）。