驾驶室池场景中的机器学习？

Question

所以我有这个运输问题的数据集。其中显示了出租车池场景。请考虑以下图像：

具有相同驾驶号码的用户进入同一个驾驶室（每个用户都有相同的起点，所以请忽略它）。现在这意味着，Y，Z和A处于相同的距离，因此B＆amp; C和D＆amp;即

现在我想将这个数据集放入一个机器学习模型，这样当我进入任何用户的目的地时，模型应该给我一个关于我的目的地可以耦合的预测，所以我可以进入驾驶室那些人。

如果我必须去某个地方'C'，我可以和那些去'B'的人一起。

在这种情况下我可以使用哪种机器学习算法？

Answer 1

你可以不用机器学习算法。根据乘坐次数，您可以识别彼此靠近的位置并对其进行分组。当新位置到来时，您可以查看它所属的组，并将旅行的人与该组中的位置配对。

为此，您可以创建一个矩阵，其中行A, B,C,...为行和列。你会得到一个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，因为它们位于附近且位置不在附近（例如A和{{1应该标记为零。

矩阵将是对称的，所以如果你有太多的位置，你可以通过一些优化来节省内存和计算。您可以研究将三角矩阵保存为稀疏矩阵。

此外，如果您可以访问正确的资源（付费库），则可以使用距离（实际位移）替换0,1。