本發(fā)明涉及人工智能技術(shù)領(lǐng)域，具體公開了一種基于樣本包絡(luò)多層聚類的數(shù)據(jù)集平衡化學(xué)習(xí)方法，包括步驟：選擇不平衡訓(xùn)練集，該不平衡訓(xùn)練集由少數(shù)類樣本和多數(shù)類樣本組成；對少數(shù)類樣本和多數(shù)類樣本構(gòu)造對應(yīng)的包絡(luò)化少數(shù)類樣本和包絡(luò)化多數(shù)類樣本；對包絡(luò)化少數(shù)類樣本進(jìn)行深度樣本變換，得到對應(yīng)的L層包絡(luò)化少數(shù)類深度樣本，L≥1；將包絡(luò)化少數(shù)類樣本與每層包絡(luò)化少數(shù)類深度樣本進(jìn)行融合，得到樣本數(shù)目與包絡(luò)化多數(shù)類樣本平衡的包絡(luò)化少數(shù)類平衡樣本；將包絡(luò)化少數(shù)類平衡樣本與包絡(luò)化多數(shù)類樣本融合，得到平衡訓(xùn)練集。本發(fā)明增加了少數(shù)類樣本的多樣性，提高了少數(shù)類樣本的質(zhì)量，從而增加了模型對少數(shù)類樣本的學(xué)習(xí)能力，提升了其分類或預(yù)測的準(zhǔn)確性。