現代人的閱讀，常常只流於淺碟式的瀏覽(browse)，而非深思型的消化(digest)與 deep dive 式的邏輯推理和分析。

嗯....妳可能要沒看到我用的一些關鍵字，及樣本空間的篩選條件，而且我之前已有說過是用選舉日來看的。妳反而把它們擴大誤解成"一直"、"韓粉"來解讀，這樣真的會誤解。因為很巧，我的 group 1 中有非韓粉但厭惡郭/柯到極點的，group 2 中也有是韓粉但覺得韓目前能力還遠遠不到總統層級的。

過去曾有一個很有趣的統計調查報告顯示：選舉，是選一個比較不討厭的，所以最被討厭的，一定不會當選。因此，現在國內外有些民調機構，會在 big data (大數據)的分析中，除了純粹用 count(計數)統計外，還會加入另一項 contents analysis (內容分析法)，去量化 dislike (反感) 的程度。所以純粹用韓粉或郭粉這種不是0就是1的方式來解讀，會落入武斷式的陷阱。

現在補充一下，是用選舉日晚上某個時間點來合命盤的，而且這15個人是我熟知的親朋好友，我深知他們的習性及喜惡，也有他們明確的醫院出生證明能精確到幾點幾分。至於一些可能會轉變擁護對象的，或者因為我個人能力有限，在推理過程中會有無法判斷的，在蒐集樣本前，我已先過濾掉。

其實樣本空間的選擇，是一門學問，在某些特殊情況下，反而「貴精」重於「貴多」。就像 pattern recognition 這門學問所說的，要選有 feature 辨識度的，才能拿來當 pattern 使用。

說一件很有趣的事，在2018的選舉中，有1個樣本(人)，他是老深藍但挺柯，選前只要有台北、台中、高雄的新聞，他一定follow到底，還會到處爭論不休。至於其他縣市長、或議員選舉，他毫不關心。那時我第一個樣本先用他來合盤時，發現他會高興的能量強到超強到很誇張，我那時心裡就在想，難道這三個市長都是他喜歡的當選，結果真的如他所願。這個人，在2020的選舉，就沒有被我列入15個的樣本中，因為他既不屬於group 1，也不屬於 group 2。