取樣簡介
為機器學習專案收集足夠的資料通常並不容易。不過，有時候我們會有過多資料，您必須選取部分訓練時使用的範例。
我要如何選擇這個子集？以 Google 搜尋為例。您會對多少資料進行取樣？您會使用隨機查詢嗎？隨機工作階段？您是隨機使用者嗎？
最後，答案是否取決於問題：我們想預測什麼內容，以及哪些功能？
- 如要使用上一個查詢功能，您必須在工作階段層級進行取樣，因為工作階段包含一系列查詢。
- 如要使用過去幾天的使用者行為功能，您必須在使用者層級進行取樣。
個人識別資訊 (PII) 篩選功能
如果資料包含 PII (個人識別資訊)，您可能必須從資料中篩選。例如，一項政策可能會要求移除不常使用的功能。這項篩選會使分佈情形偏差。你會遺失結尾的資訊 (分佈值非常低的部分，遠離平均值)。
這項篩選功能非常容易學習，因此非常實用。但要瞭解，您的資料集會偏向主查詢。在提供時，您或許會不太放心使用尾部提供的範例，因為這些範例已篩除訓練資料。儘管無法避免偏差，請在分析期間留意這點。