地铁流量jupyter

根据引用的代码，这段代码使用了pandas、numpy和matplotlib等库，通过八月地铁刷卡数据训练模型，预测后7天各个地铁站点在6点到23点每个小时的客流量。

而引用提到了MTA项目，该项目旨在通过纽约地铁系统降低风险旅行，并提供了一个指南。该项目利用了闸门来引导免疫受损的过境驾驶员在COVID期间获得更安全的旅行时间和地点。该项目收集了统一的数据，对时间、车站和线路进行排名。

引用是一段代码，其中x_test和y_test是测试集的特征和标签，x_train和y_train是训练集的特征和标签。通过sklearn库中的MLPRegressor类来构建多层感知机回归模型，并使用lbfgs优化算法进行求解。通过模型的score方法得到了模型的拟合优度rv，然后使用模型对训练集进行预测并计算均方误差。此外，代码中还将一些数据处理后赋值给data2的"info"列。

至于地铁流量的jupyter，根据提供的引用内容，并没有提及相关信息。请提供更多详细的信息，我将尽力提供帮助。<span class="em">1</span><span class="em">2</span><span class="em">3</span>
#### 引用[.reference_title]
- *1* *3* [Jupyter地铁数据分析预测地铁后7天小时客流量](https://blog.csdn.net/qq_45868915/article/details/125038178)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_1"}}] [.reference_item style="max-width: 50%"]
- *2* [Metis_MTA_Project](https://download.csdn.net/download/weixin_42107491/16502159)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_1"}}] [.reference_item style="max-width: 50%"]
[ .reference_list ]