本发明公开的一种深度迁移学习的不平衡分类集成方法，包括以下步骤：建立辅助数据集；构建辅助深度网络模型和目标深度网络模型；训练辅助深度网络；将辅助深度网络的结构和参数迁移到目标深度网络；计算auprc值的乘积作为分类器的权值，对各个迁移分类器的分类结果加权集成，得到集成分类结果，作为集成分类器输出。本发明的方法，改进的平均精度方差损失函数APE和平均精度交叉熵损失函数APCE，在计算样本的损失代价时，动态调整样本的权值，对多数类样本赋予较少的权值，对少数类样本赋予更多的权值，由此训练得到的深度网络对少数类样本更加重视，更适用于不平衡数据的分类问题。