模型训练方法、数据分类方法、装置、设备及存储介质

本发明公开了一种模型训练方法、数据分类方法、装置、设备及存储介质，涉及数据处理技术领域。模型训练方法包括：获取带有样本标签的训练样本集，并确定每个训练样本的类内密度，其中，样本标签用于表征训练样本的类型，类内密度用于表征每类训练样本内的样本的分布密度；利用预设分类模型根据类内密度为每个训练样本分配权重，并利用预设分类模型基于权重分配结果对训练样本进行分类，以得到分类结果；根据分类结果确定数据分类模型。本发明实施例的技术方案，可得到能够准确识别局部聚集的低密度数据的分类模型，显著的提升了模型在不平衡数据集上的性能，减少误报率和漏报率，实现对不同类型的数据的准确识别。