数据分析技术---MLP 和 BP 神经网络流程；K-means 算法流程

一、实验目的：

1 、掌握 MLP 和 BP 神经网络流程，并实现分类任务

2 、掌握 K-means 算法流程，并实现聚类任务

二、实验任务

1.使用MLP实现水果分类：

实验描述：

有一个关于水果的数据集，其中包含两个特征：水果的颜色和形状， 使用多层感知机（MLP ）对水果进行分类。数据集分为训练集和测试 集，使用训练集训练 MLP 神经网络模型，使用测试集评估模型的性能，预测给定水果的类别。

实验思路：

准备数据集，然后使用多层感知机（MLP）来训练一个模型，并使用测试集来评估模型的性能。首先，将文本数据转换为数值形式。使用独热编码（One-Hot Encoding）来处理颜色和形状特征。使用scikit-learn的OneHotEncoder或LabelEncoder与pandas库来准备数据。构建MLP模型：使用scikit-learn的MLPClassifier来构建多层感知机模型。使用训练数据来训练MLP模型。使用测试数据来评估模型的性能，通常使用准确率作为评价指标。最后预测给定水果的类别。

实验代码：

#MLP 实现水果分类
import pandas as pd
from sklearn.preprocessing import LabelEncoder, OneHotEncoder
from sklearn.compose import ColumnTransformer
from sklearn.neural_network import MLPClassifier
from sklearn.model_selection import train_test_split
from sklearn.metrics import accuracy_score

# 加载数据
train_data = pd.DataFrame({
    '水果颜色': ['红色', '绿色', '橙色', '红色', '橙色', '绿色', '黄色'],
    '水果形状': ['圆形', '椭圆形', '圆形', '圆形', '椭圆形', '圆形', '圆形'],
    '类别': ['苹果', '梨', &#