用Python写一个心电信号分类的MLP神经网络模型

好的，以下是一个简单的心电信号分类的MLP神经网络模型的Python代码：

import numpy as np
import pandas as pd
from sklearn.neural_network import MLPClassifier
from sklearn.model_selection import train_test_split
from sklearn.metrics import accuracy_score

# 读取数据
data = pd.read_csv('heart.csv')
X = data.iloc[:, :-1]
y = data.iloc[:, -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=42)

# 建立神经网络模型
mlp = MLPClassifier(hidden_layer_sizes=(100, 50), activation='relu', solver='adam', random_state=42)

# 模型训练
mlp.fit(X_train, y_train)

# 模型预测
y_pred = mlp.predict(X_test)

# 计算准确率
accuracy = accuracy_score(y_test, y_pred)
print('Accuracy: {:.2f}%'.format(accuracy * 100))

其中，我们使用了sklearn库中的MLPClassifier类来建立多层感知机神经网络模型。我们在此模型中使用了两个隐藏层，分别包含100个和50个神经元。激活函数使用ReLU，优化器使用Adam。我们将数据集划分为训练集和测试集，使用训练集来训练模型，然后使用测试集来评估模型的性能，最后计算模型的准确率。