大数据训练数据抽样方法主要包括以下几种：
1. 随机抽样：这是一种最基本的抽样方法，通过随机选择样本来获取训练数据。这种方法简单易行，但可能会丢失一些重要的信息。
2. 分层抽样：这种方法将数据集分为不同的层次，然后在每个层次中进行随机抽样。这种方法可以保证每个层次的样本数量大致相等，从而提高了抽样的准确性。
3. 系统抽样：这种方法首先确定一个起始点，然后按照一定的间隔抽取样本。这种方法可以保证每次抽取的样本都是唯一的，从而提高了抽样的准确性。
4. 聚类抽样：这种方法首先对数据集进行聚类，然后将每个聚类中的样本作为一组进行抽样。这种方法可以提高抽样的准确性，因为它能够保证每个聚类中的样本都有一定的相似性。
5. 加权抽样：这种方法根据样本的重要性或者稀有程度来调整抽样的比例。这种方法可以提高抽样的准确性，因为它能够保证重要或者稀有的样本被选中。
6. 混合抽样：这种方法结合了以上几种抽样方法的优点，先进行随机抽样，然后根据需要进行调整。这种方法可以提高抽样的准确性和效率。
7. 基于模型的抽样：这种方法首先建立一个预测模型，然后根据模型的结果来选择样本。这种方法可以提高抽样的准确性，因为它能够利用模型的知识来提高抽样的质量。
8. 基于规则的抽样：这种方法根据预先设定的规则来选择样本。这种方法可以提高抽样的准确性，因为它能够保证每个类别的样本都被选中。
9. 基于密度的抽样：这种方法根据样本的密度来选择样本。这种方法可以提高抽样的准确性，因为它能够保证密集区域的样本被选中。
10. 基于距离的抽样：这种方法根据样本之间的距离来选择样本。这种方法可以提高抽样的准确性，因为它能够保证距离相近的样本被选中。
