将以上代码整合成完整的

以下是将上述步骤整合到完整代码中的示例：

import numpy as np
from sklearn.linear_model import Perceptron

# 数据集
data = [(0, 0, 0), (0, 1, 0), (1, 0, 0), (1, 1, 1)]
labels = [row[2] for row in data]

# 准备输入和目标变量
X = np.array([row[:2] for row in data]).astype(np.float32)
Y = np.array(labels).reshape(-1, 1)

# 定义并初始化单层感知器模型
model = Perceptron(n_iter=1000, eta0=0.1)

# 训练模型
model.fit(X, Y)

# 测试函数
def logic_and(input_data):
    return model.predict(input_data)

# 新数据测试
test_data = np.array([[0, 0], [0, 1], [1, 0], [1, 1]])
predicted_labels = logic_and(test_data)
print("逻辑与门的预测结果为:", predicted_labels)

# 验证模型效果
expected_output = np.array([[0], [0], [0], [1]])
accuracy = np.sum(predicted_labels == expected_output) / len(predicted_labels)
print(f"模型准确度: {accuracy * 100}%")

#