使用神经网络算法对葡萄酒数据集进行分类代码

以下是使用Python和Scikit-learn库实现的葡萄酒数据集分类代码：

# 导入库和数据集
from sklearn.datasets import load_wine
from sklearn.model_selection import train_test_split
from sklearn.neural_network import MLPClassifier
from sklearn.metrics import accuracy_score

wine = load_wine()

# 划分数据集
X_train, X_test, y_train, y_test = train_test_split(wine.data, wine.target, test_size=0.2, random_state=42)

# 创建模型
model = MLPClassifier(hidden_layer_sizes=(10, 10), max_iter=1000)

# 拟合模型
model.fit(X_train, y_train)

# 预测结果
y_pred = model.predict(X_test)

# 计算准确率
accuracy = accuracy_score(y_test, y_pred)
print("Accuracy: {:.2f}%".format(accuracy*100))

这段代码中，我们使用了多层感知器（MLP）神经网络算法，将隐藏层的大小设置为10和10，并将最大迭代次数设置为1000。然后我们使用训练集拟合模型，并对测试集进行预测。最后，我们计算准确率并输出结果。