我目前正在研究Bianca Zadrozny的论文Learning and Evaluating Classifiers under Sample Selection Bias。在第3.2 节中。逻辑回归，作者说如下：

3.2. 逻辑回归 在逻辑回归中，我们使用最大似然来找到参数向量$\beta$以下型号：

$$P(y = 1 \mid x) = \dfrac{1}{1 + \exp(\beta_0 + \beta_1 x_1 + \dots + \beta_n x_n)}$$ 使用样本选择偏差，我们将改为拟合： $$P(y = 1 \mid x, s = 1) = \dfrac{1}{1 + \exp(\beta_0 + \beta_1 x_1 + \dots + \beta_n x_n)}$$ 然而，因为我们假设$y$独立于$s$给定$x$我们有$P(y = 1 \mid x, s = 1) = P(y = 1 \mid x)$. 因此，逻辑回归不受样本选择偏差的影响，除了样本数量减少的事实。渐近地，只要$P(s = 1 \mid x)$大于零$x$，选定样本的结果接近随机样本的结果。事实上，对于任何建模的学习者来说都是如此$P(y \mid x)$直接地。这些都是本地学习者。

这部分我不清楚：

然而，因为我们假设$y$独立于$s$给定$x$我们有$P(y = 1 \mid x, s = 1) = P(y = 1 \mid x)$. 因此，逻辑回归不受样本选择偏差的影响，除了样本数量减少的事实。

“减少例子的数量”是什么意思，为什么会这样？