帮我写一个感知机在三维空间对鸢尾花后两类样本进行区分的代码

当然可以。感知器（Perceptron）通常用于二分类问题，但我们可以扩展到多维空间，例如使用线性分类器来区分鸢尾花数据集中的两种类别。这里我们先假设你知道鸢尾花数据集来自`scikit-learn`库，其中最常用的版本是鸢尾花（Iris dataset），包含三个特征（花瓣长度、花瓣宽度、萼片长度）。

为了在三维空间中（比如花瓣长度、花瓣宽度和萼片长度这三个特征）区分后两种类别（假设是Setosa和Versicolor），我们将使用`sklearn`的`Perceptron`模型。首先确保已经安装了所需的库：

pip install numpy pandas scikit-learn

接下来，这里是代码示例：

import numpy as np
from sklearn import datasets
from sklearn.linear_model import Perceptron
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler
import matplotlib.pyplot as plt

# 加载鸢尾花数据
iris = datasets.load_iris()
X = iris.data[:, [2, 3]]  # 我们只取前两个维度（萼片长度和花瓣宽度）
y = (iris.target == 0) + (iris.target == 1)  # 将后两者设为一类，因为Perceptron不支持多类别标签

# 数据标准化
scaler = StandardScaler()
X_scaled = scaler.fit_transform(X)

# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X_scaled, y, test_size=0.2, random_state=42)

# 初始化并训练Perceptron模型
perceptron = Perceptron(max_iter=100, shuffle=True)
perceptron.fit(X_train, y_train)

# 预测并评估模型性能
y_pred = perceptron.predict(X_test)
accuracy = np.mean(y_pred == y_test)
print(f"Accuracy: {accuracy * 100:.2f}%")

# 绘制决策边界
fig, ax = plt.subplots(figsize=(8, 6))
ax.scatter(X_train[y_train==0, 0], X_train[y_train==0, 1], color='red', label='Setosa')
ax.scatter(X_train[y_train==1, 0], X_train[y_train==1, 1], color='blue', label='Versicolor')

line = perceptron.coef_[0] * x + perceptron.intercept_
ax.plot([-5, 5], [-5*perceptron.coef_[0][0]/perceptron.coef_[0][1], -5], 'k-', linewidth=2)
ax.plot([-5, 5], [5*perceptron.coef_[0][0]/perceptron.coef_[0][1], 5], 'k-', linewidth=2)
ax.set_xlabel('Petal Length')
ax.set_ylabel('Petal Width')
ax.legend()
plt.show()

#