RRepoGEO

REPOGEO 报告 · LITE

AutoViML/AutoViz

默认分支 master · commit 63f4b3c6 · 扫描时间 2026/6/21 14:28:23

星标 1,905 · Fork 214

本仓库扫描历史

下方为分数趋势（含全部就绪扫描；左旧右新，可横向滚动）。表格明细默认折叠，展开后每页 10 条，最新在上。

分数趋势（左 → 右：旧 → 新）

共 2 条就绪扫描。点击下方按钮展开表格（每页 10 条，可翻页）。

AI 可见性总分
80 /100
健康
品类召回
2 / 2
被推荐时的平均排名 #3.5
规则结果
通过 1 · 警告 1 · 失败 0
客观元数据检查
AI 认识你的名字
3 / 3
直接询问时，AI 是否点名你的仓库
如何阅读这份报告

行动计划告诉你下一步要做什么——按影响力排序、可直接复制粘贴的修改。品类可见性是真正的 GEO 测试：当用户向 AI 提一个不带品牌、本应让 AutoViML/AutoViz 浮出水面的问题时，AI 是真的推荐了你，还是推荐了你的竞品？客观检查验证 AI 引擎最先权衡的那些元数据信号。自指检查判断 AI 是否还认识你的名字。

行动计划 — 可复制粘贴的修复

3 条由 gemini-2.5-flash 生成、按优先级排序的修改。修完后请把对应条目标记为完成。

整体方向
  • highhomepage#1
    Add a homepage URL to the repository

    原因：

    复制粘贴的修复
    https://pypi.org/project/autoviz/
  • mediumtopics#2
    Refine and expand repository topics

    原因：

    当前
    auto-sklearn, automated-machine-learning, automl, automl-algorithms, machine-learning, python, python3, scikit-learn, tableau, tpot, visualization, xgboost
    复制粘贴的修复
    auto-sklearn, automated-machine-learning, automl, automl-algorithms, machine-learning, python, python3, scikit-learn, tableau, tpot, visualization, xgboost, automated-visualization, data-quality, exploratory-data-analysis, eda, data-profiling
  • lowabout#3
    Enhance repository description with key terms

    原因：

    当前
    Automatically Visualize any dataset, any size with a single line of code. Created by Ram Seshadri. Collaborators Welcome. Permission Granted upon Request.
    复制粘贴的修复
    Automatically visualize any dataset for quick exploratory data analysis and data quality assessment with a single line of code. Created by Ram Seshadri. Collaborators Welcome. Permission Granted upon Request.

本次扫描解析到的品类 GEO 通道：google/gemini-2.5-flash, deepseek/deepseek-v4-flash

品类可见性 — 真正的 GEO 测试

向 google/gemini-2.5-flash 提出的不带品牌问题。AI 推荐了你，还是推荐了别人？

各模型使用同一组问题 — 切换标签对比回答与排名。

召回
2 / 2
100% 的问题里出现了 AutoViML/AutoViz
平均排名
#3.5
越小越好。#1 表示首位推荐。
声量占比
18%
在所有被点名的工具中，你占了多少？
头号对手
fbdesignpro/sweetviz
在 2 个问题中被推荐 1 次
竞品排行
  1. fbdesignpro/sweetviz · 被推荐 1 次
  2. ydataai/ydata-profiling · 被推荐 1 次
  3. sfu-db/dataprep · 被推荐 1 次
  4. lux-org/lux · 被推荐 1 次
  5. ydata-profiling · 被推荐 1 次
  • 品类问题
    What Python library provides automated data visualization for quick exploratory analysis?
    你：第 3 位
    AI 推荐顺序：
    1. Sweetviz (fbdesignpro/sweetviz)
    2. Pandas Profiling (ydataai/ydata-profiling)
    3. Autoviz (AutoViML/AutoViz) ← 你
    4. DataPrep.eda (sfu-db/dataprep)
    5. Lux (lux-org/lux)
    查看 AI 完整回答
  • 品类问题
    How can I quickly visualize and assess data quality with minimal Python code?
    你：第 4 位
    AI 推荐顺序：
    1. ydata-profiling
    2. Sweetviz
    3. DataPrep
    4. Autoviz ← 你
    5. missingno
    6. Great Expectations
    查看 AI 完整回答

客观检查

针对 AI 引擎最看重的元数据信号的规则审计。

  • Metadata completeness
    warn

    建议：

  • README presence
    pass

自指检查

当被直接问到你时，AI 是否还知道你的仓库存在？

  • Compared to common alternatives in this category, what is the core differentiator of AutoViML/AutoViz?
    pass
    AI 明确点名了 AutoViML/AutoViz

    AI 的回答可能信誓旦旦却是错的。请按事实核对：技术栈、目标人群、差异化点是不是和你实际的对得上？

  • If a team adopts AutoViML/AutoViz in production, what risks or prerequisites should they evaluate first?
    pass
    AI 明确点名了 AutoViML/AutoViz

    AI 的回答可能信誓旦旦却是错的。请按事实核对：技术栈、目标人群、差异化点是不是和你实际的对得上？

  • In one sentence, what problem does the repo AutoViML/AutoViz solve, and who is the primary audience?
    pass
    AI 明确点名了 AutoViML/AutoViz

    AI 的回答可能信誓旦旦却是错的。请按事实核对：技术栈、目标人群、差异化点是不是和你实际的对得上？

嵌入你的 GEO 徽章

把这个徽章贴进 AutoViML/AutoViz 的 README。每次重新扫描都会自动更新，并跳到最新报告——是「我在乎 AI 可发现性」最简单的公开证明。

RepoGEO badge preview实时预览
MARKDOWN（README）
[![RepoGEO](https://repogeo.com/badge/AutoViML/AutoViz.svg)](https://repogeo.com/zh/r/AutoViML/AutoViz)
HTML
<a href="https://repogeo.com/zh/r/AutoViML/AutoViz"><img src="https://repogeo.com/badge/AutoViML/AutoViz.svg" alt="RepoGEO" /></a>
Pro

订阅 Pro，解锁深度诊断

AutoViML/AutoViz — 轻量扫描仍免费；本卡列出 Pro 相对轻量的深度额度。

  • 深度报告每月 10 次
  • 无品牌品类查询5，轻量 2
  • 优先行动项8，轻量 3