如果预测的数据超出了训练集的范围，怎么办？

训练集代表的是客观世界，大量出现未知的，超纲的数据，那么这训练集就没有资格代表客观世界

要判断预测的数据是不是有噪声，其产生是不是bug导致

只要超出的范围不大，AI算法有一定的健壮性，可以容错，不用额外处理
    

分层抽样，如果样本标签极度不均衡，随机样本可能会导致测试集缺失某类标签

 
训练集应该包括一类数据的全体，
如果随机抽样，理论上存在让这个全体缺失的可能；
相对来说，或者理论上说，分层抽样更合理一些

强调，相对/理论，是因为很多时候，随机抽样的效果也不差
所以，最终如何，还得看实践... 

 
from sklearn.datasets import make_classification
X,y = make_classification(n_samples=10000, n_features=200, n_classes=2, random_state=73)

from sklearn.model_selection import train_test_split
X_train,X_test,y_train,y_test = train_test_split(X, y, test_size=0.2, stratify=y)

X_train.shape
(8000, 200)