数据样本处理、分类、模型训练方法及电子设备

本发明提供了一种数据样本处理、分类、模型训练方法及电子设备，其中数据样本处理方法包括：确定第一数据集的数据信息量，第一数据集包括多个初始样本，各初始样本为时序数据；根据数据信息量，以及预设的数据信息量与样本窗口长度的对应关系，确定对应的样本窗口长度；根据样本窗口长度对初始样本进行截取或填充处理，以调整初始样本的样本长度，得到目标样本。由此，根据数据集的数据信息量确定了对样本长度进行截取和填充处理的样本窗口长度。用该样本窗口长度对样本长度进行截取和填充处理，能够有效减少样本信息的流失，进而有效地提升训练得到的神经网络模型以及根据该神经网络模型对时序数据样本进行分类的结果的准确性。