本申请提供一种训练分类模型的方法、装置、计算机设备及存储介质，可以应用于人工智能领域或智能交通领域等，用于解决训练出的分类模型的分类准确性和可靠性较低的问题。该方法至少包括：基于所述多个样本节点组合，在所述样本拓扑图中，删除满足拓扑关系筛选条件的至少一条拓扑关系，并在满足节点筛选条件的各样本节点之间添加至少一条拓扑关系，获得训练拓扑图；基于所述训练拓扑图，重新提取所述各个样本节点的训练节点特征，并基于获得的各个训练节点特征，确定相应的预测类别，以进行模型参数调整。从而，通过增强针对当前待训练的分类模型的分类准确性的表征效果，达到提高目标分类模型的分类准确性和可靠性的目的。