基于交替方向乘子算法的L1正则化极限学习机：理论、优化与应用

一、引言

1.1研究背景与动机

随着信息技术的飞速发展，数据量呈爆炸式增长，数据维度也不断攀升，高维数据处理成为机器学习领域面临的关键挑战。在高维数据环境下，传统机器学习算法遭遇诸多困境，如计算复杂度急剧增加，使得算法在处理大规模数据时效率极低，难以满足实时性要求；数据稀疏性问题导致数据间相关性难以有效捕捉，模型的准确性和泛化能力受到严重影响；过拟合风险大幅提升，模型在训练数据上表现良好，但在测试数据上却表现不佳，无法准确地对新数据进行预测和分类。这些问题严重制约了机器学习在实际应用中的效果和推广。

极限学习机（Extreme