用MLP算法建立神经网络分类模型代码

我可以为您提供一个使用MLP算法建立神经网络分类模型的Python代码示例，如下所示：

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

# 生成样本数据
X, y = make_classification(n_samples=1000, random_state=1)

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

# 建立MLP分类模型
mlp = MLPClassifier(hidden_layer_sizes=(10, 5), max_iter=1000, random_state=1)

# 使用训练数据拟合模型
mlp.fit(X_train, y_train)

# 预测测试数据
y_pred = mlp.predict(X_test)

# 输出模型评估结果
print("Accuracy: {:.2f}%".format(mlp.score(X_test, y_test) * 100))

这个示例中，我们使用了`sklearn.neural_network.MLPClassifier`类建立了一个使用MLP算法的神经网络分类模型。我们使用了`sklearn.datasets.make_classification`函数生成了1000个样本数据，并使用`sklearn.model_selection.train_test_split`函数将数据集切分为训练集和测试集。然后，我们基于训练数据拟合了MLP模型，并使用测试数据进行了模型评估。最后，我们输出了模型的准确率评估结果。