请写一个使用MLP神经网络进行混凝土强度预测的代码，要求输出预测图，求得平均绝对误差、平均绝对百分误差和均方根误差、R2等评价指标。

好的，以下是一个使用MLP神经网络进行混凝土强度预测的Python代码示例：

import pandas as pd
import numpy as np
from sklearn.neural_network import MLPRegressor
from sklearn.metrics import mean_absolute_error, mean_squared_error, r2_score

# 读取数据
data = pd.read_csv('concrete_data.csv')

# 分割数据集为训练集和测试集
train_data = data.sample(frac=0.8, random_state=0)
test_data = data.drop(train_data.index)

# 准备训练数据
train_x = train_data.drop('strength', axis=1)
train_y = train_data['strength']

# 准备测试数据
test_x = test_data.drop('strength', axis=1)
test_y = test_data['strength']

# 初始化MLP神经网络
mlp = MLPRegressor(hidden_layer_sizes=(100,), max_iter=1000)

# 训练MLP神经网络
mlp.fit(train_x, train_y)

# 预测测试数据
pred_y = mlp.predict(test_x)

# 计算评价指标
mae = mean_absolute_error(test_y, pred_y)
mape = np.mean(np.abs((test_y - pred_y) / test_y)) * 100
rmse = np.sqrt(mean_squared_error(test_y, pred_y))
r2 = r2_score(test_y, pred_y)

# 输出评价指标
print('MAE:', mae)
print('MAPE:', mape)
print('RMSE:', rmse)
print('R2:', r2)

上述代码假设训练数据和测试数据都存储在名为`concrete_data.csv`的CSV文件中，并且`strength`列是目标列。代码将数据集分为80%的训练数据和20%的测试数据，并使用MLP神经网络进行训练和预测，最后计算评价指标并输出。你可以根据自己的数据集和需求进行修改。