1.一种客群划分方法，其特征在于，所述客群划分方法包括以下步骤：
获取训练样本集的特征标签；所述训练样本集包括多个客户样本，所述客户样本具有第一客群类别，所述客户样本包括与所述特征标签对应的多个样本特征；
根据所述多个样本特征，计算每个所述客户样本的信息密度值；
基于每个所述客户样本的信息密度值，将所述客户样本划分至第二客群类别；所述第二客群类别与所述第一客群类别相同或不同。
2.如权利要求1所述的客群划分方法，其特征在于，所述根据所述多个样本特征，计算每个所述客户样本的信息密度值的步骤包括：
基于所述多个样本特征，计算每个所述样本特征对应的权重；
根据获取到的每个所述样本特征对应的特征损失，计算每个所述样本特征对应的系数；
结合每个所述样本特征对应的所述权重和所述系数，计算得到每个所述客户样本的信息密度值。
3.如权利要求2所述的客群划分方法，其特征在于，所述基于所述多个样本特征，计算每个所述样本特征对应的权重的步骤包括：
根据所述多个样本特征，计算每个所述样本特征的信息价值IV值；
将计算得到的每个所述样本特征的IV值作为每个所述样本特征对应的权重。
4.如权利要求2所述的客群划分方法，其特征在于，所述根据获取到的每个所述样本特征对应的特征损失，计算每个所述样本特征对应的系数的步骤包括：
根据获取到的每个所述样本特征对应的特征损失，获取与所述特征损失对应的历史缺失占比；
根据所述历史缺失占比，计算得到每个所述样本特征对应的系数。
5.如权利要求2-4中任一项所述的客群划分方法，其特征在于，所述结合每个所述样本特征对应的所述权重和所述系数，计算得到每个所述客户样本的信息密度值的步骤包括：
将所述样本特征对应的所述权重和所述系数相乘，得到所述样本特征对应的权重系数；
将所述客户样本的每个样本特征的所述权重系数相加，得到所述客户样本的信息密度值。
6.一种模型生成方法，其特征在于，所述模型生成方法包括：
根据如权利要求1-5中任一项所述的客群划分方法对第一训练样本集进行客群划分，得到划分后的第一训练样本集；
基于所述划分后的第一训练样本集，训练待训练模型至收敛。
7.如权利要求6所述的模型生成方法，其特征在于，所述基于所述划分后的第一训练样本集，训练待训练模型至收敛的步骤包括：
根据预设的抽取条件，从所述划分后的第一训练样本集中抽取若干个训练样本形成第二训练样本集；
基于所述第二训练样本集，训练待训练模型至收敛。
8.一种客群划分装置，其特征在于，所述客群划分装置包括：
获取模块，用于获取训练样本集的特征标签；所述训练样本集包括多个客户样本，所述客户样本具有第一客群类别，所述客户样本包括与所述特征标签对应的多个样本特征；
计算模块，用于根据所述多个样本特征，计算每个所述客户样本的信息密度值；
划分模块，用于基于每个所述客户样本的信息密度值，将所述客户样本划分至第二客群类别；所述第二客群类别与所述第一客群类别相同或不同。
9.如权利要求8所述的客群划分装置，其特征在于，所述计算模块包括：
第一计算单元，用于基于所述多个样本特征，计算每个所述样本特征对应的权重；
第二计算单元，用于根据获取到的每个所述样本特征对应的特征损失，计算每个所述样本特征对应的系数；
第三计算单元，用于结合每个所述样本特征对应的所述权重和所述系数，计算得到每个所述客户样本的信息密度值。
10.如权利要求9所述的客群划分装置，其特征在于，所述第一计算单元包括：
第一计算子单元，用于根据所述多个样本特征，计算每个所述样本特征的信息价值IV值；
第一确定单元，用于将计算得到的每个所述样本特征的IV值作为每个所述样本特征对应的权重。
11.如权利要求9所述的客群划分装置，其特征在于，所述第二计算单元包括：
获取子单元，用于根据获取到的每个所述样本特征对应的特征损失，获取与所述特征损失对应的历史缺失占比；
第二计算子单元，用于根据所述历史缺失占比，计算得到每个所述样本特征对应的系数。
12.如权利要求9-11中任一项所述的客群划分装置，其特征在于，所述第三计算单元包括：
第三计算子单元，用于将所述样本特征对应的所述权重和所述系数相乘，得到所述样本特征对应的权重系数；
第二确定单元，用于将所述客户样本的每个样本特征的所述权重系数相加，得到所述客户样本的信息密度值。
13.一种客群划分设备，其特征在于，所述设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的客群划分程序，所述客群划分程序被所述处理器执行时实现如权利要求1至5中任一项所述的客群划分方法的步骤。
14.一种存储介质，其特征在于，应用于计算机，所述存储介质上存储有客群划分程序，所述客群划分程序被处理器执行时实现如权利要求1至5中任一项所述的客群划分方法的步骤。