MLP（Multilayer Perceptron，多層感知器）

重點／應用

• 優點：概念簡單、可逼近任意複雜非線性函數、適用於各種表格數據的分類/迴歸。
• 缺點：對輸入的空間或序列關係不敏感（會把圖片/文字攤平成一維向量，丟失空間/序列資訊）、參數量大易過擬合、可解釋性低。
• 適用情境：結構化數據分類/迴歸，或作為其他複雜架構（CNN/RNN）末端的分類器。

易混淆

• vs CNN：CNN 透過卷積層保留空間結構，MLP 需先攤平資料，會丟失空間資訊。

📖 課文原文

「MLP 假設輸入特徵是獨立的，會將輸入數據（如圖片的像素點、文本的單詞）『攤平』成一維向量處理，因此會丟失重要的空間⋯或序列⋯資訊。」

出處