帮我写一段神经网络预测的代码

当然可以，这里是一个简单的Python代码片段，使用Keras库来构建一个多层感知机(MLP)模型进行预测，假设我们正在处理的是二分类问题：

# 导入所需的库
import numpy as np
from keras.models import Sequential
from keras.layers import Dense

# 假设我们有一个数据集X_train和对应的标签y_train
# X_train.shape应该是(n_samples, n_features)
# y_train.shape应该是(n_samples,)

# 创建一个Sequential模型
model = Sequential()

# 添加输入层和隐藏层（这里只有一层隐藏层）
model.add(Dense(64, activation='relu', input_shape=(n_features,))) # 输入层大小为n_features

# 可能添加更多的隐藏层，例如：
# model.add(Dense(32, activation='relu'))
# ...

# 添加输出层，因为是二分类，所以使用sigmoid激活函数
model.add(Dense(1, activation='sigmoid'))

# 编译模型，指定损失函数、优化器和评估指标
model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy'])

# 训练模型
model.fit(X_train, y_train, epochs=50, batch_size=32)

# 对新数据进行预测
def predict(new_data):
    predictions = model.predict(new_data)
    return predictions > 0.5  # 返回预测值大于0.5的概率作为正向类别

# 使用predict函数对未知数据进行预测
predictions = predict(X_new)