简化抽样

简化抽样是一种基本的抽样方法，它通过从总体中随机选择样本来代表整个总体。在数据科学和机器学习中，简化抽样常用于数据预处理阶段，用于对数据集进行初步分析和探索，以及在训练模型之前对数据集进行简单的统计操作。

重采样

重采样是一种通过多次有放回地从样本中抽取子样本来生成新的样本集的方法。在数据科学和机器学习中，重采样经常用于模型评估和验证，如交叉验证和自助法（bootstrap），以及在处理不平衡数据集时进行过采样或欠采样。

无偏性抽样

无偏性抽样是一种满足概率抽样方法，它能够保证每个单位有相同的机会被选入样本。在数据科学和机器学习中，无偏性抽样通常用于确保抽样过程不会引入偏差，以便对样本数据进行统计推断和模型训练。