本發(fā)明提出了一種基于樣本失衡的深度學(xué)習(xí)礦產(chǎn)資源分類預(yù)測方法及系統(tǒng)，本發(fā)明將研究區(qū)分為礦床區(qū)、成礦遠(yuǎn)景區(qū)和背景區(qū)，若成礦遠(yuǎn)景區(qū)中存在化探數(shù)據(jù)異常的區(qū)域，則能夠間接說明該區(qū)域具有較高的礦化概率且表現(xiàn)出與已知礦床的化探數(shù)據(jù)特征相似性更高。利用深度學(xué)習(xí)的方式來分析并確定成礦遠(yuǎn)景區(qū)內(nèi)化探數(shù)據(jù)異常的區(qū)域，然后將已知礦床區(qū)和所得化探異常區(qū)兩者的空間數(shù)據(jù)特征視為神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)對象，用于習(xí)得化探數(shù)據(jù)與礦化之間的客觀規(guī)律。為了防止神經(jīng)網(wǎng)絡(luò)對背景區(qū)的空間數(shù)據(jù)特征過擬合等問題，引入損失權(quán)重和懲罰損失對傳統(tǒng)的交叉熵?fù)p失函數(shù)做出改進(jìn)。本發(fā)明能夠在較少的礦靶區(qū)地球化學(xué)數(shù)據(jù)中找出礦化規(guī)律以在新的地球化學(xué)數(shù)據(jù)中預(yù)測礦化概率。