正则化极限学习机分类预测MATLAB实现（麻雀搜索算法优化）

正则化极限学习机的分类能力，配上麻雀搜索算法的全局优化思路，预测效果提升还是挺的。你要是玩过极限学习机，就知道它训练快是优点，但参数不太好调，这套代码就帮你了这点。

麻雀搜索算法的全局搜索能力，配合正则化极限学习机，在数据分类上表现还不错，尤其对小样本数据挺友好。代码是用MATLAB写的，结构清晰，变量命名也比较直观，适合拿来改造。

里面核心逻辑包括种群初始化、位置更新，还有个正则项的权重系数优化过程，比较贴近工程场景。你可以直接用来跑一些 UCI 数据集，也可以换自己的数据集，改起来不难。

建议你重点看下fitness_function.m这个函数，对整个模型效果有决定性作用。还有main.m也别跳过，流程控制都在这里。

如果你对极限学习机比较感兴趣，可以参考这两篇资源：

• 通过ν正则化优化极限学习机
• 具有范数正则化的随机傅立叶极限学习机

如果你正好在调分类模型，或者嫌网格搜索太麻烦，可以试试这套代码，跑起来效率挺高的，还蛮适合做课程设计或者研究项目。