本发明提供一种基于数据分析的人脸识别方法，包括步骤：采用相对熵分析数据集分布，得到人脸训练数据集的长尾分布度；通过数据长尾分布度与平滑系数的反相关关系计算平滑系数；通过不使用标签平滑情况下人脸识别的学习率和平滑系数计算标签平滑下算法学习率；将平滑系数和学习率作为模型超参数计算交叉熵损失函数；通过交叉熵损失函数更新神经网络的权重参数，基于训练后神经网络模型对人脸图像进行识别。本发明基于相对熵定量计算训练数据的长尾分布度，避免定性描述数据的长尾分布，无法区分不同数据集之间的差异；设计标签平滑参数提高人脸识别性能，设计学习率充分挖掘训练过程中正负样本数据信息，保证模型的快速及充分学习。