使用多层感知机模型预测sklearn官方iris(鸢尾花)数据集类别。

下面是使用多层感知机 (MLP) 模型预测 sklearn 官方 iris(鸢尾花) 数据集类别的示例代码：

from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
from sklearn.neural_network import MLPClassifier
from sklearn.metrics import accuracy_score

# 加载 iris 数据集
iris = load_iris()

# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(iris.data, iris.target, test_size=0.2)

# 构建 MLP 模型
model = MLPClassifier(hidden_layer_sizes=(10, 5), max_iter=500)

# 训练模型
model.fit(X_train, y_train)

# 预测测试集
y_pred = model.predict(X_test)

# 计算准确率
acc = accuracy_score(y_test, y_pred)

# 输出准确率
print(f'准确率：{acc}')

在这个示例中，我们首先使用 sklearn 的 `load_iris` 函数加载 iris 数据集。然后，我们使用 sklearn 的 `train_test_split` 函数划分数据集为训练集和测试集。接下来，我们使用 sklearn 的 `MLPClassifier` 类构建一个 MLP 模型，并使用训练集进行训练。然后，我们使用训练好的模型对测试集进行预测，并计算预测准确率。最后，我们输出预测准确率。

需要注意的是，这个示例中 MLP 模型的参数是根据经验选择的，你可以根据自己的需求进行调整。另外，由于 MLP 模型对数据的缩放比较敏感，建议在使用 MLP 模型之前对数据进行缩放。