Algorithm cab池场景中的机器学习？

所以我有一个运输问题的数据集。这显示了一个cab池场景。考虑下面的图像：

相同乘坐编号的用户乘坐同一驾驶室（每个用户都有相同的起点，因此请忽略此点）。这意味着，Y，Z和A在同一个位置，B&C和D&E也是如此

现在，我想将这个数据集整合到一个机器学习模型中，这样当我输入任何用户的目的地时，该模型应该能够预测我的目的地可以与谁结合，这样我就可以和那些人一起坐出租车了

比如，如果我必须去一个“C”位置，我可以加入到“B”位置的人

---

在这种情况下，我可以使用哪种机器学习算法？

您可能不需要机器学习算法。给定骑乘编号，您可以识别彼此靠近的位置并将其分组。当一个新位置出现时，您可以看到它属于哪个组，并将前往该组中位置的人员配对

为此，您可以创建一个矩阵，其中位置

a、B、C、

作为行和列。您将得到一个

num\u of_locations x num\u 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，因为它们相邻，而不相邻的位置（如

A

和

B

）应标记为零

矩阵是对称的，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。您可以研究如何将三角矩阵保存为稀疏矩阵

---

此外，如果您能够访问正确的资源（付费图书馆），您可以用距离（实际上是位移）替换0,1。

是的，这个过程非常简单，我们也可以使用谷歌地图的方向API，但事实上，我们必须在这里创建一个认知解决方案，因此我们需要一些机器学习算法。