使用Weka基于iris数据集建立ANN分类模型，并对该模型进行检验，最后给出预测集的样本预测结果。

Weka是一个流行的开源机器学习工具包，它包含了许多预先构建的算法，包括人工神经网络（Artificial Neural Network，简称ANN）。为了基于Iris数据集建立一个ANN分类模型，你可以按照以下步骤操作：

1. **加载数据**：
首先，你需要从Weka的内置数据集中加载`iris.arff`文件，这是Iris花卉数据集的标准格式。

import weka.core.Instances;
Instances iris = DataSource.read("iris.arff");

2. **预处理数据**：
确保数据已经分成了训练集和测试集，然后进行必要的特征缩放、缺失值处理等。

3. **选择并初始化模型**：
创建一个`weka.classifiers.functions.Network`对象，设置隐藏层的数量、节点数等参数。

MultiLayerPerceptron ann = new MultiLayerPerceptron();
ann.setHiddenLayers(new int[]{5}); // 例如设置一个有5个节点的隐藏层

4. **训练模型**：
使用训练数据拟合模型。

ann.buildClassifier(iris);

5. **评估模型**：
使用交叉验证或其他评估方法检查模型性能，如计算准确率、查准率、查全率等。

6. **预测新样本**：
对于新的测试集或预测集，应用模型进行分类预测。

double[][] testOutputs = ann.classifyInstance(testSet); // testSet是另一个数据集

7. **查看预测结果**：
将预测的结果输出到控制台或保存到文件，每个预测对应一种花类（Setosa, Versicolor, Virginica）。

for (int i = 0; i < testOutputs.length; i++) {
    System.out.println("Sample " + (i+1) + ": Predicted as " + iris.classAttribute().value((int)testOutputs[i]));
}