数据挖掘里的数据抽样，真是个值得花点心思搞清楚的事。techpackage.net的这篇文章，把理论和实战结合得挺到位。讲的内容不是光靠嘴皮子，而是有一堆有代表性的案例，尤其是讲怎么用随机数生成器来抽样，挺接地气。像你想在训练模型时少等点时间，又不想数据失真？就得靠这招。

另外，文末那一堆链接也蛮贴心，基本把用MATLAB和C 语言搞随机数的方法都扒出来了，什么高斯分布、Zipf 分布、指数分布啥的全都有。你要是刚好在搞模拟数据，顺着点进去看看，不吃亏。