一种多层级分类数据集的均衡采样方法

本发明涉及模型训练技术领域，公开了一种多层级分类数据集的均衡采样方法，包括以下步骤：获取原始数据，并确认所述原始数据的层次结构；基于所述原始数据对顶层节点进行水位填充分配；基于顶层节点向下进行逐层递归处理，实现对各层节点的数据量分配，得到分类采样数据树；本发明有效避免了单层采样导致的“局部平衡‑全局失衡”分布漂移问题，成功构建出兼顾局部与全局平衡的高质量均衡数据集，显著提升了模型在长尾类别和复杂场景下的泛化能力与稳定性。