隨著數(shù)據(jù)存儲技術(shù)、網(wǎng)絡(luò)技術(shù)和云計算技術(shù)的快速發(fā)展, 數(shù)據(jù)正以前所未有的速度在不斷地增長和積累。在各種實際應(yīng)用中, 需要處理的數(shù)據(jù)量越來越大。 而樣例選擇就是從包括冗余或噪聲的海量數(shù)據(jù)中選擇重要數(shù)據(jù)的技術(shù), 是機器學習的重要數(shù)據(jù)預(yù)處理步驟, 對后續(xù)學習算法的訓練及性能有很大的影響. 在機器學習中, 樣例選擇有兩種場景：一是主動學習場景, 二是監(jiān)督學習場景. 本書結(jié)合作者及研究團隊近年來關(guān)于樣例選擇的研究成果, 系統(tǒng)介紹了兩種場景下樣例選擇的理論和方法以及兩種場景下樣例選擇之間的區(qū)別與聯(lián)系。另外，本書內(nèi)容涵還蓋了樣例選擇的最新研究進展。