极限学习机的输入权重是随机生成的，这个因此每次的结果不一致。因此采用主成分分析，将原始数据降到N维（所设的隐含层节点数）。将得到的pca降维变换矩阵作为极限学习机的输入权重，效果更加稳定，如图所示。
蓝颜色的是采用pca的变换矩阵做输入权重得到的图，可以看出，其分类效果较为平稳。
红颜色的是随机输入权重，明显看到分类效果波动剧烈
相关文章：
相似解决方案
热门标签
极限学习机的输入权重是随机生成的，这个因此每次的结果不一致。因此采用主成分分析，将原始数据降到N维（所设的隐含层节点数）。将得到的pca降维变换矩阵作为极限学习机的输入权重，效果更加稳定，如图所示。
蓝颜色的是采用pca的变换矩阵做输入权重得到的图，可以看出，其分类效果较为平稳。
红颜色的是随机输入权重，明显看到分类效果波动剧烈
相关文章：