想从上亿条记录里抽一小部分做分析，好比从仓库随机开几箱验货：常见商品总能碰到，罕见批次却可能一件也没抽中。回归——用若干特征解释或预测数值结果——也有这个麻烦。罕见诊断、小众设备型号这类稀有二元特征，只在极少记录中取 1；若均匀抽样漏掉这些记录，对应系数就容易估不稳。
Dong 等人的做法，是让抽样概率随特征稀有程度调整：越稀有的特征，其相关记录越容易被纳入，再按各自的纳入概率加权。论文还给出一种更直接但可能受现实条件限制的方案——保留全部稀有记录；以及一种只依赖二元特征、无需先有可靠回归估计的平衡设计，可单独使用，也可充当后续两阶段抽样的先导样本。两阶段中，作者用“并集样本估计量”重复利用先导记录，同时处理两批样本重叠。
作者称，模拟与实际应用显示这些设计比现有方法更稳定、估计效率更高；但摘要与所供材料未给出具体提升幅度。