最近在用SVM为分类器做实验，但是发现数据量太大（2000k条记录）但是训练时间过长...让我足足等了1天的啊！有人指导说可以先进行一下随机采样，再训练，这样对训练结果不会有太大影响（这个待考证）。所以就对数据进行了一下降采样，具体方法如下：
shuf data | head -n 100000
其中，我的数据是在txt文件中存储的，基本格式是：
record 1 xxxxx record 2 xxxxx record 3 xxxxx record 4 xxxxx ........... record n xxxxx
利用shuf对数据记录进行随机采样,布布扣,bubuko.com
原文：http://www.cnblogs.com/beanocean/p/3884684.html