我有一组在excel长得五列一百行的数据，其中第一列与第二列是输入，第三列、第四列、第五列为输出，利用MLP建模，可以给我它的代码吗？

当使用MLP建模时，你可以使用Python中的深度学习框架（如TensorFlow或PyTorch）来实现神经网络。以下是一个基本的MLP模型的代码示例，你可以根据自己的需求进行修改：

import numpy as np
import pandas as pd
import tensorflow as tf
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import MinMaxScaler

# 读取数据
data = pd.read_excel('your_data.xlsx')

# 提取输入和输出特征
X = data.iloc[:, 0:2].values
y = data.iloc[:, 2:5].values

# 数据归一化
scaler = MinMaxScaler()
X_scaled = scaler.fit_transform(X)
y_scaled = scaler.fit_transform(y)

# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X_scaled, y_scaled, test_size=0.2, random_state=42)

# 构建MLP模型
model = tf.keras.models.Sequential([
    tf.keras.layers.Dense(32, activation='relu', input_dim=2),
    tf.keras.layers.Dense(64, activation='relu'),
    tf.keras.layers.Dense(32, activation='relu'),
    tf.keras.layers.Dense(3, activation='linear')
])

# 编译模型
model.compile(loss='mean_squared_error', optimizer='adam')

# 训练模型
model.fit(X_train, y_train, epochs=100, batch_size=32, verbose=1)

# 在测试集上评估模型
loss = model.evaluate(X_test, y_test)
print("Test Loss:", loss)

# 使用模型进行预测
predictions = model.predict(X_test)

上述代码假设你已经安装了TensorFlow和pandas库，并将数据保存在名为'your_data.xlsx'的Excel文件中。你可以根据自己的数据文件进行相应的修改，调整网络结构和超参数来获得更好的拟合效果。