样本集的划分方法、系统、设备及介质

本发明涉及数据筛选领域，具体涉及一种样本集的划分方法、系统、设备及介质，包括：获取样本集；根据样本集中样本的数量，确定至少一个自适应分群基数；对每个自适应分群基数：根据数据相似性将样本集划分为k个数据子集；按照预设比例，从每个数据子集中选取对应数量的目标样本；组合所有目标样本，得到自适应分群基数对应的筛选子集；计算每个筛选子集与样本集的分布匹配度，筛选分布匹配度最低的筛选子集作为测试集，剩余样本作为训练集。本发明提取的测试集与训练集在特征分布上与原始样本集高度一致，从而提高了机器学习模型性能评估的准确性和可靠性，降低了过拟合和欠拟合的风险，提升了模型的泛化能力和实用价值。