关于使用python使用神经网络的案例

Python是深度学习领域非常流行的工具之一，其强大的科学计算库如NumPy、Pandas以及深度学习框架如TensorFlow和PyTorch，使得构建神经网络变得简单易行。以下是一个简单的例子，使用Keras库创建一个基本的神经网络分类模型：

# 导入必要的库
import numpy as np
from keras.models import Sequential
from keras.layers import Dense

# 假设我们有一个鸢尾花数据集（Iris dataset）
from sklearn.datasets import load_iris
data = load_iris()
X = data.data
y = data.target

# 数据预处理（归一化等）
X = X.astype('float32') / 255.0

# 创建Sequential模型
model = Sequential()
model.add(Dense(16, input_dim=X.shape[1], activation='relu'))  # 输入层和隐藏层
model.add(Dense(3, activation='softmax'))  # 输出层，3个节点代表3种类别

# 编译模型
model.compile(loss='sparse_categorical_crossentropy', optimizer='adam', metrics=['accuracy'])

# 训练模型
model.fit(X, y, epochs=50, batch_size=32)

# 使用模型进行预测
predictions = model.predict_classes(X)