本發(fā)明涉及到機器學(xué)習(xí)中在線學(xué)習(xí)領(lǐng)域，引入自適應(yīng)記憶因子和遺忘機制提出了一種新型的在線極限學(xué)習(xí)機。一般來說在流式數(shù)據(jù)更新過程中，新數(shù)據(jù)相比舊數(shù)據(jù)更能反映當(dāng)前數(shù)據(jù)的特征，失效數(shù)據(jù)是無法體現(xiàn)當(dāng)前數(shù)據(jù)的特征。因此更新模型時，新數(shù)據(jù)對模型的貢獻較大；舊數(shù)據(jù)對模型的貢獻較小；失效數(shù)據(jù)的貢獻為零。通過引入遺忘機制淘汰失效數(shù)據(jù)。同時引入自適應(yīng)記憶因子調(diào)節(jié)新、舊數(shù)據(jù)對模型的貢獻，從而提高模型的預(yù)測精度。