1. 从sklearn库中导出iris数据集 2. 使用 iris 数据集中标签为 0 和标签为 1 的数据作为训练集构建感知机模型并 进行预测

1. 在Python中，我们可以使用scikit-learn库（sklearn）来加载Iris数据集，这是一个经典的多分类问题数据集。首先，你需要导入必要的库，然后加载数据：

from sklearn import datasets
import pandas as pd

# 加载Iris数据集
iris = datasets.load_iris()
data = pd.DataFrame(iris.data, columns=iris.feature_names)
target = iris.target

# 如果你想只取标签为0和1的数据，可以筛选数据
mask = (target == 0) | (target == 1)
train_data = data[mask]
train_labels = target[mask]

2. 接下来，我们使用`Perceptron`模型（在`sklearn.linear_model`模块下）来构建感知机，并仅用标签为0和1的数据进行训练。请注意，由于感知机通常用于二分类任务，因此我们需要调整数据以便它只处理两个类别：

from sklearn.model_selection import train_test_split
from sklearn.linear_model import Perceptron
from sklearn.preprocessing import LabelEncoder

# 确保标签是整数形式
le = LabelEncoder()
train_labels_encoded = le.fit_transform(train_labels)

# 划分训练集和测试集（这里假设80%的数据用于训练）
X_train, X_test, y_train, y_test = train_test_split(train_data, train_labels_encoded, test_size=0.2, random_state=42)

# 创建并训练感知机模型
model = Perceptron(random_state=0)
model.fit(X_train, y_train)

# 预测
predictions = model.predict(X_test)