极限学习机的 python实现，可用于回归，多分类问题等。

Python极限学习机（ELM） Python极限学习机（ELM）是一种用于分类/回归任务的机器学习技术。 免费软件：BSD许可证 文档： : 。 特征 ELM内核 ELM随机神经元 ML工具

Python-ELM v0.3 --->存档2021年3月<--- 这是基于Python[1] [2]的。 从摘要： 显然，前馈神经网络的学习速度通常远远慢于所需速度，并且在过去的几十年中一直是其应用的主要瓶颈。 背后的两个关键原因可能是：1）基于慢梯度的学习算法被广泛用于训练神经网络，以及2）通过使用这种学习算法来迭代地调整网络的所有参数。 与这些传统实现不同，本文针对单隐藏层前馈神经网络（SLFN）提出了一种称为极限学习机（ELM）的新学习算法，该算法随机选择输入权重并通过分析确定SLFN的输出权重。 从理论上讲，该算法倾向于以极快的学习速度提供最佳的泛化性能。 基于现实世界中基准函数逼近和分类问题（包括大型复杂应用程序）的实验结果表明，该新算法在某些情况下可以产生最佳的泛化性能，并且比传统的前馈神经网络流行的学习算法学习速度快得多。 这是一项正在进行的工作，因此事情可以/可能/

超限学习机ELM的逻辑回归二分类Python代码，需要训练样本和测试样本，带有正则化系数，提高泛化能力，能有效解决欠拟合和过拟合问题。参考来源：http://blog.csdn.net/Mosout/article/details/53997040