sklearn实现MLP代码

以下是一个简单的sklearn实现多层神经网络(MLP)的代码示例：

from sklearn.neural_network import MLPClassifier
from sklearn.datasets import make_classification
from sklearn.model_selection import train_test_split

# 生成数据集
X, y = make_classification(n_samples=1000, n_features=10, n_classes=2, random_state=1)

# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=1)

# 定义多层神经网络模型
mlp = MLPClassifier(hidden_layer_sizes=(10, 5), max_iter=1000, random_state=1)

# 训练模型
mlp.fit(X_train, y_train)

# 在测试集上评估模型性能
accuracy = mlp.score(X_test, y_test)
print("Accuracy:", accuracy)

在上面的代码中，我们首先使用`make_classification`函数生成一个二分类数据集，然后使用`train_test_split`函数将其划分为训练集和测试集。接下来，我们定义一个包含两个隐藏层和10和5个神经元的多层神经网络模型，并使用`fit`方法训练模型。最后，我们在测试集上使用`score`方法评估模型性能并输出准确率。