当数据线性不可分时，我们使用 MLP。这里的“数据”是什么意思——是线性不可分的响应还是输入特征？

这意味着输入特征的线性函数无法分离响应。

更直接地回答您的问题：仅给定输入的线性函数，响应是不可分割的。

如果它是线性不可分的，那么这是否意味着从输入到输出的映射函数将始终是非线性的？因此，我们更喜欢 MLP 还是深度学习等最新的新模型？

是的。如果从输入到输出的映射是线性的，那么输出必然与输入线性可分。

线性回归在线性不可分数据的情况下会失败，或者线性回归可以对不可分数据起作用，但如果函数映射是非线性的，那么它会失败吗？

线性回归永远无法完美分离线性不可分的数据。考虑以下示例，其中输入特征是x1和x2，输出是颜色：

在 2D 空间中如何画线并不重要——你永远无法分离颜色。同样的想法也适用于更高的维度。

我希望这会有所帮助！