下面是一个使用BaggingClassifier中的MLPClassifier的代码示例：

from sklearn.neural_network import MLPClassifier
from sklearn.ensemble import BaggingClassifier
from sklearn.datasets import make_classification
from sklearn.model_selection import train_test_split
from sklearn.metrics import accuracy_score

# 创建一个分类数据集
X, y = make_classification(n_samples=1000, n_features=10, random_state=0)

# 划分数据集为训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=0)

# 创建一个MLPClassifier作为基分类器
base_classifier = MLPClassifier(hidden_layer_sizes=(100,), activation='relu', random_state=0)

# 创建一个BaggingClassifier，并将MLPClassifier作为基分类器
bagging_classifier = BaggingClassifier(base_classifier, n_estimators=10, random_state=0)

# 训练BaggingClassifier
bagging_classifier.fit(X_train, y_train)

# 在测试集上进行预测
y_pred = bagging_classifier.predict(X_test)

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

在这个示例中，我们首先创建一个分类数据集。然后，我们使用train_test_split函数将数据集划分为训练集和测试集。接下来，我们创建一个MLPClassifier作为基分类器，并使用BaggingClassifier将MLPClassifier作为基分类器。

然后，我们使用fit方法来训练BaggingClassifier，并使用predict方法在测试集上进行预测。最后，我们使用accuracy_score函数计算预测的准确率。

请注意，MLPClassifier和BaggingClassifier还有许多可调节的参数，可以根据具体问题进行调整。以上示例仅仅是一个简单的示例，供参考。