基于样本迁移增强模型泛化能力的方法、装置及电子设备

本申请提供了一种基于样本迁移增强模型泛化能力的方法、装置及电子设备，通过获取目标域数据与源域数据，然后确定目标域数据与源域数据之间的特征分布相似度，将特征分布相似度小于预设特征分布相似度阈值的第二样本数据确定为目标第二样本数据，然后以该目标域数据以及各个目标第二样本数据作为模型的样本输入数据，构建并训练迁移模型。选用本申请实施例，通过筛选出与目标域数据相近的目标已有知识的领域数据进行迁移模型构建、训练，可使得训练得到的迁移模型自动学习目标域与源域数据之间的相关性，提升模型学习跨领域通用特征的能力，进而增强模型应对数据迁移时的泛化能力。