本发明公开了一种样本均衡方法、装置、设备及存储介质。该方法包括：对获取到的初始样本集进行划分，得到多数类样本集和少数类样本集；根据所述多数类样本集和所述少数类样本集包含的样本数量，确定样本生成总数量；基于所述少数类样本集中少数类样本的空间分布情况，确定各所述少数类样本的识别难度；根据各所述识别难度，结合所述样本生成总数量，确定各所述少数类样本对应的样本生成分数量；采用线性插值的方法，针对各所述少数类样本生成对应样本生成分数量个新样本数据，以实现样本均衡。本发明在样本过采样时有效减少噪声，在样本分类边界模糊处生成更多新样本，进而提高分类模型的训练效果，使分类模型更注重在分类边界处的学习。