他 注意到 亞馬遜 網路 書店 發現 他 對 美國 南北 戰爭史 和 演算 生物學 很 感興趣 ， 所以 就 綜合 這 兩 個 觀察 ， 為 他 列出 的 建議 購買 書單 中 包括 了 生物史 和 某些 科學 問題 的 南北 差異 。 他 說 ： 「 取 平均值 的 模型 效果 並 不 好 ， 因為 我們 興趣 的 平均值 無法 真正 代表 我們 。 」 新 的 方式 則 採用 叢集式 軟體 ， 把 他 的 眾多 興趣 分門別類 ， 然後 根據 每 個 類別 建議 不同 的 書單 。 假定 他們 把 我 太太 買 的 東西 分成 不同 組 ， 系統 檢視 了 她 採購 的 大部分 商品 後 ， 推斷 她 是 嬰兒潮 世代 的 女性 。 至於 項圈 呢 ？ 項圈 屬於 統計學家 所謂 的 「 離群值 」 （ outlier ） ， 在 目前 的 階段 ， 也許 比較 安全 的 做法 是 暫時 置之不理 。 但是 等到 電腦 分析 變 得 愈來愈 精密 ， 它 終 將 切入 我們 生活 中 看似 異常 的 片段 資訊 。 畢竟 ， 哪些 細節 更 可能 赤裸裸 展現 我們 的 真實 面貌 呢 ， 看似 「 正常 」 的 日常 行為 嗎 ？ 還是 我們 通常