在數據挖掘的實際工程中，多數時候需要從總體中抽取樣本來進行模型預測。抽樣的方法有多種，此處例舉常見的幾種。
1、簡單抽樣。
簡單抽樣分爲有放回抽樣和無放回抽樣。無放回抽樣：從N個個體中隨機抽取n個個體，每次抽取一個個體，且抽取後不再放回。有放回抽樣：跟無放回類似，但是每次抽取個體之後，要放回。
2、簇抽樣
先將總體分爲多個不想交的簇，然後再抽取一個或多個簇作爲樣本。例如：把某中學二年級的學生按班級分爲多個簇（假設一個班就是一個簇），每次抽取一個或多個班（簇）作爲樣本，這種抽樣方法就是簇抽樣。簇抽樣要求簇內的差異較大，簇之間的差異較小，從而使得簇抽取的樣本具有代表性。
3、分層抽樣
將總體分爲多個不想交的部分，叫做層，然後按照一個定的比例在每個層中進行抽樣。例如：將某中學的所有學生作爲總體，每個年級的學生作爲一個層，再從每個層中隨機抽樣一定數量的學生，這種方法就是分層抽樣。分層抽樣要求層內的差異較大，而層之間的差異較小。
4、系統抽樣（針對樣本容量很大的情況）
從N個個體中抽取n個個體，做法是先確定k=N/n（對k向上取整），把N個個體分爲n段，每段有k個個體，設定一個整數m，1 <= m <= k，在每段中抽取第m個個體，抽取完n段得到n個個體，這n個個體就是抽樣的結果。這種抽樣方法就是整體抽樣。
5、自助抽樣
假設總體的個體（實例）個數爲N，自助抽樣的思想是：每次從總體裏面抽取一個個體，抽取N次，這樣有一部分個體一次都沒被抽中，而另一部分個體至少被抽中一次。一次都沒抽中的個體數量大概是
6、蓄水池抽樣
當總體的數量足夠大，不能讀進計算機內存的時候，前面幾種方法就不適用了，這個可以採用蓄水池抽樣法。其具體實現的僞代碼如下(假設從N個個體中抽取k個個體)：
