一种基于L1/L2的稀疏鲁棒极限学习机的性能评估方法

本发明公开了一种基于L1/L2的稀疏鲁棒极限学习机的性能评估方法，包括：获取预处理数据集，其中，所述预处理数据集包括训练集和测试集，所述训练集包括预设数量的异常数据；根据ELM模型构建极限学习机模型，其中，所述极限学习机模型包括L2范数正则项；对所述极限学习机模型进行优化得到优化极限学习机模型，以将极限学习机模型的求解转换为L1/L2的解析解和非凸函数解；根据预处理数据集对所述优化极限学习机模型进行训练，得到训练好的极限学习机模型；根据稀疏度sparsity和均方根误差RMSE对所述训练好的极限学习机模型进行评估。通过本发明的方法，提高了模型的稀疏性和鲁棒性，让模型有更好的泛化性能。