所以我有这个关于交通问题的数据集。其中显示了出租车拼车场景。考虑下图:
相同车次的用户乘坐同一辆出租车(每个用户的出发点相同，请忽略)。现在这意味着，Y、Z 和 A 处于相同的邻近位置，B & C 和 D & E 也是如此。
现在我想将这个数据集放入一个机器学习模型中，这样当我输入任何用户的目的地时，该模型应该给我预测我的目的地可以与谁耦合，这样我就可以进入出租车那些人。
例如，如果我必须去“C”地点，我可以加入要去“B”的人。
在这种情况下我可以使用哪种机器学习算法？
最佳答案
您或许可以不用机器学习算法。给定乘车编号，您可以识别彼此靠近的位置并将它们分组。当一个新地点出现时，您可以看到它属于哪个组，并将前往该组内地点的人员配对。
为此，您可以创建一个矩阵，其中的位置 A, B,C,... 作为行和列。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，因为它们很接近并且位置不接近(如 A 和 B) 应该标记为零。
矩阵将是一个对称矩阵，因此如果您有太多位置，您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(付费图书馆)，您可以将 0,1 替换为距离(实际上是位移)。
关于algorithm - 出租车拼车场景中的机器学习？，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/45539461/