据说统计学里有一个现象，给数据加越多维度（比如给一群人记录年龄、性别、身高、体重，这就是四个维度），就越难给数据分类。
如果维度少，比如三维，你可以把每个数据点都放在三维空间中，放一大堆点，你可能会很轻易地发现，有一些点彼此之间很近、聚集成团，另一些点离得很远、可能在远处聚集成了别的团，于是你可以把每个团看成一个类别。
当数据维度很多时，比如成百上千个，你会发现大部分数据点之间距离都差不多（据说这是因为，在高纬度的超球体上，大部分体积都分布在球面附近，球内空旷，因此大部分数据点也分布在球面上，彼此距离就差不多，不会特别显著地分散或者聚集）因此很难简单地分类。

我感觉，这就是给人贴标签的真谛啊！其实人都差不多，又或者人都是很不同的，你只能给人贴很少的标签、把人粗暴地分出个敌我来。如果认真地去了解别人，得到了更多信息，自然就发现这些分类是可笑的。
不过，如果给不同标签加上权重，比如你更关心别人有没有杀过人，而不是有没有吃过臭豆腐，那么可能又会变得容易分类。
但是，权重大的数据难道就很少吗？你真正关心的数据只有十个以内吗？那似乎也不现实。