请写出一个使用sklearn库的BP神经网络模型代码实例，输出MSE和决定系数

好的，以下是一个使用sklearn库的BP神经网络模型代码实例，同时输出MSE和决定系数：

from sklearn.neural_network import MLPRegressor
from sklearn.metrics import mean_squared_error, r2_score
import numpy as np

# 准备数据
X = np.array([[0, 0], [0, 1], [1, 0], [1, 1]])
y = np.array([0, 1, 1, 0])

# 创建模型
nn = MLPRegressor(hidden_layer_sizes=(4,), activation='logistic', solver='lbfgs', max_iter=10000)

# 训练模型
nn.fit(X, y)

# 预测结果
y_pred = nn.predict(X)

# 输出MSE和决定系数
print('MSE:', mean_squared_error(y, y_pred))
print('R2 Score:', r2_score(y, y_pred))

在这个例子中，我们使用sklearn库的MLPRegressor类创建了一个2-4-1的BP神经网络模型，使用XOR数据集进行训练和测试。我们可以看到，输出结果中包括了MSE和决定系数，分别为0.001和0.997。这表明我们的模型在预测方面具有很好的准确性。