RRepoGEO

REPOGEO 报告 · LITE

lmcinnes/umap

默认分支 master · commit d055285d · 扫描时间 2026/5/25 22:12:07

星标 8,188 · Fork 862

AI 可见性总分
92 /100
健康
品类召回
2 / 2
被推荐时的平均排名 #1.0
规则结果
通过 2 · 警告 0 · 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 lmcinnes/umap 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
  • mediumtopics#1
    Add more descriptive topics to the repository

    原因：

    当前
    dimensionality-reduction, machine-learning, topological-data-analysis, umap, visualization
    复制粘贴的修复
    dimensionality-reduction, machine-learning, topological-data-analysis, umap, visualization, data-science, python, data-visualization, manifold-learning
  • mediumabout#2
    Expand the repository description for broader understanding

    原因：

    当前
    Uniform Manifold Approximation and Projection
    复制粘贴的修复
    Uniform Manifold Approximation and Projection (UMAP) for visualizing and exploring high-dimensional data.
  • lowreadme#3
    Complete the JOSS paper badge link in README

    原因：

    当前
    .. |joss_paper| image::
    复制粘贴的修复
    Complete the `image::` directive for `|joss_paper|` with the correct JOSS paper badge URL.

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 lmcinnes/umap
平均排名
#1.0
越小越好。#1 表示首位推荐。
声量占比
10%
在所有被点名的工具中，你占了多少？
头号对手
t-SNE
在 2 个问题中被推荐 1 次
竞品排行
  1. t-SNE · 被推荐 1 次
  2. umap-learn · 被推荐 1 次
  3. scikit-learn · 被推荐 1 次
  4. PCA · 被推荐 1 次
  5. Isomap · 被推荐 1 次
  • 品类问题
    How to reduce high-dimensional data for better visualization and pattern discovery?
    你：第 1 位
    AI 推荐顺序：
    1. UMAP ← 你
    2. t-SNE
    3. umap-learn
    4. scikit-learn
    5. PCA
    6. Isomap
    7. MDS
    8. Factor Analysis
    9. statsmodels
    10. Autoencoders
    11. TensorFlow
    12. PyTorch
    查看 AI 完整回答
  • 品类问题
    What are good alternatives to t-SNE for visualizing complex high-dimensional datasets?
    你：第 1 位
    AI 推荐顺序：
    1. UMAP ← 你
    2. PaCMAP
    3. LargeVis
    4. TriMAP
    5. PHATE
    6. IVIS
    7. OpenOrd
    8. Fruchterman-Reingold
    9. Kamada-Kawai
    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
    pass

  • 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 lmcinnes/umap?
    pass
    AI 明确点名了 lmcinnes/umap

    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 lmcinnes/umap in production, what risks or prerequisites should they evaluate first?
    pass
    AI 明确点名了 lmcinnes/umap

    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 lmcinnes/umap solve, and who is the primary audience?
    pass
    AI 明确点名了 lmcinnes/umap

    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 lmcinnes/umap 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/lmcinnes/umap.svg)](https://repogeo.com/zh/r/lmcinnes/umap)
HTML
<a href="https://repogeo.com/zh/r/lmcinnes/umap"><img src="https://repogeo.com/badge/lmcinnes/umap.svg" alt="RepoGEO" /></a>
Pro

订阅 Pro，解锁深度诊断

lmcinnes/umap — 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