BP 神经网络中如何使用Permutation importance 计算各个特征的重要性，请给出Python代码

以下是BP神经网络中使用Permutation importance计算特征重要性的Python代码：

# 导入相关依赖库以及数据集
from sklearn.neural_network import MLPRegressor
from sklearn.inspection import permutation_importance
from sklearn.datasets import make_regression

# 构造数据集
X, y = make_regression(n_samples=10000, n_features=10, random_state=0)

# 训练模型
model = MLPRegressor(random_state=0, max_iter=1000).fit(X, y)

# 计算Permutation importance
result = permutation_importance(model, X, y, n_repeats=10, random_state=0)

# 输出特征重要性
for i in result.importances_mean.argsort()[::-1]:
    print(f"{X.columns[i]:<8}：{result.importances_mean[i]:.3f}")

其中，X为特征矩阵，y为目标变量。在示例中，数据集是通过make_regression函数创建的人工数据集。在实际应用中，需要根据具体问题加载相应的数据集。