构建一个简单的基于TensorFlow的多层感知器（MLP）神经网络（用于分类任务）

构建一个简单的神经网络使用TensorFlow可以很快地完成。以下是构建一个简单的多层感知器（MLP）用于分类任务的步骤，我们将以鸢尾花数据集（Iris dataset）为例：

1. 导入所需的库

import tensorflow as tf
from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import OneHotEncoder
from tensorflow.keras.utils import to_categorical

2. 加载和预处理数据

# 加载数据集
iris = load_iris()
X = iris.data
y = iris.target

# 将标签转换为One-hot编码
encoder = OneHotEncoder(sparse=False)
y = encoder.fit_transform(y.reshape(-1, 1))

# 分割数据集为训练集和测试集
X_train, X_test