python用神经网络对鸢尾花数据集进行分类

好的，对于这个问题，首先需要导入相关的库，如下所示：

import numpy as np
import pandas as pd
from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
from keras.models import Sequential
from keras.layers import Dense
from keras.utils import to_categorical

然后，我们可以加载鸢尾花数据集，并对其进行分割，以便于训练和测试模型：

iris = load_iris()
X = iris.data
y = iris.target

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

接下来，我们需要对标签进行 one-hot 编码：

y_train = to_categorical(y_train)
y_test = to_categorical(y_test)

然后，我们可以构建一个简单的神经网络模型：

model = Sequential()
model.add(Dense(10, input_dim=4, activation='relu'))
model.add(Dense(3, activation='softmax'))

最后，我们可以编译模型并训练它：

model.compile(loss='categorical_crossentropy', optimizer='adam', metrics=['accuracy'])
model.fit(X_train, y_train, epochs=100, batch_size=10)

# 评估模型
_, accuracy = model.evaluate(X_test, y_test)
print('Accuracy: %.2f' % (accuracy*100))

这样，我们就可以使用神经网络对鸢尾花数据集进行分类了。