キャブプールのシナリオで機械学習？

Question

私はこの問題のためにこのデータセットを持っています。キャブプーリングのシナリオを示しています。次のイメージを考えてみましょう：

同じ乗り番号を持つユーザー（各ユーザーが同じ出発点を持っているので、無視してください）同じタクシーで行きました。今度は、Y、Z、Aが同じ距離にあることを意味します。B & CとD & E.

ここで、このデータセットを機械学習モデルに入れて、どんなユーザーでも、そのモデルは私の目的地を誰と結びつけることができるかという予測を私に与えて、その人と一緒にタクシーで行くことができます。

「C」の場所に移動する必要があるように、「B」に行く人に参加できます。

このシナリオでは、どの機械学習アルゴリズムを使用できますか？

Answer 1

機械学習アルゴリズムを使用しなくても大丈夫です。乗車台数があれば、お互いに近い場所を特定し、それらをグループ化することができます。新しい場所が来たら、それが所属するグループを見て、そのグループ内の場所に移動する人をペアにすることができます。

これを実行するには、行と列として位置A, B,C,...を持つ行列を作成します。あなたが得るのはnum_of_locations x num_of_locationsの行列です。行ラベルがB、列ラベルがCのセルでは、セルが近接しており、近接にない場所（AおよびBなど）は0とマークする必要があります。

行列は対称行列になります。場所が多すぎると、いくつかの最適化によってメモリと計算量を節約できます。三角行列を疎行列として保存することについて研究することができます。

また、適切なリソース（有料ライブラリ）にアクセスできる場合は、0,1を距離（実際には変位）で置き換えることができます。