1.模型原理

多層感知器（Multilayer Perceptron，MLP）是一種前饋神經網絡，用于解決分類和回歸問題。它包含輸入層、若干個隱藏層和輸出層，每個神經元都與前一層的所有神經元連接，而隱藏層和輸出層的神經元通過權重進行連接。這些權重在訓練過程中調整以最小化損失函數，從而使模型能夠學習數據的特征和模式。

模型原理：

1. 輸入層（Input Layer）： 接受特征向量作為輸入。

2. 隱藏層（Hidden Layers）： 通過一系列權重和激活函數的計算，將輸入層的特征轉化為更高層次的表示。每一層的輸出都作為下一層的輸入。

3. 輸出層（Output Layer）： 最后一個隱藏層連接到輸出層，輸出層的神經元表示不同的類別或預測值。