Las máquinas de aprendizaje extremo (ELMs), redes neuronales feedforward de una sola capa oculta, son conocidas por su rapidez y eficiencia en tareas de clasificación y regresión. Sin embargo, su capacidad de generalización a menudo se ve socavada por la generación aleatoria de pesos y sesgos de la capa oculta. Para abordar este problema, este artículo presenta un Algoritmo de Optimización de Cangrejo Caótico basado en Aprendizaje Jerárquico (HLCCOA) con el objetivo de mejorar la capacidad de generalización de las ELMs.