本文综述重要性采样在机器学习中的应用：提出自适应抽样与简化重要性函数以提升分类回归收敛性；用PSIS高效计算LOO与WAIC，改进预测误差估计；提出安全梯度边界采样、结合输出的自适应抽样及分层蒙特卡罗算法，加速坐标下降与随机梯度下降；还用于大型数据模型评估、可导AIS、特征选择、联邦学习及GAN训练优化。