RRepoGEO

REPOGEO 报告 · LITE

wangyuGithub01/Machine_Learning_Resources

默认分支 master · commit b9a65f73 · 扫描时间 2026/5/13 08:03:39

星标 1,236 · Fork 182

AI 可见性总分
17 /100
亟需修复
品类召回
0 / 2
在所有问题中均未被推荐
规则结果
通过 1 · 警告 0 · 失败 1
客观元数据检查
AI 认识你的名字
1 / 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 wangyuGithub01/Machine_Learning_Resources 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
  • highreadme#1
    Clarify the README's opening to emphasize interview preparation

    原因：

    当前
    :point_right: 此repo主要是为了整理机器学习面试相关知识点的有用链接
    复制粘贴的修复
    ## 🚀 机器学习面试复习资源 (Machine Learning Interview Preparation Resources)

:point_right: 此repo旨在整理机器学习面试相关的核心知识点、算法和实践技巧的有用链接，帮助准备面试的同学高效复习。
  • hightopics#2
    Add relevant topics to improve categorization

    原因：

    复制粘贴的修复
    machine-learning, ml, interview-preparation, interview-questions, machine-learning-algorithms, feature-engineering, nlp, deep-learning, data-science, study-guide, resources
  • highlicense#3
    Add a standard open-source license file

    原因：

    当前
    (no LICENSE file detected)
    复制粘贴的修复
    Create a `LICENSE` file in the root of the repository and add the text for the MIT License (or another suitable open-source license).

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
0 / 2
0% 的问题里出现了 wangyuGithub01/Machine_Learning_Resources
平均排名
—
越小越好。#1 表示首位推荐。
声量占比
0%
在所有被点名的工具中，你占了多少？
头号对手
An Introduction to Statistical Learning with Applications in R
在 2 个问题中被推荐 1 次
竞品排行
  1. An Introduction to Statistical Learning with Applications in R · 被推荐 1 次
  2. The Elements of Statistical Learning · 被推荐 1 次
  3. Andrew Ng's Machine Learning Course (Coursera) · 被推荐 1 次
  4. Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow · 被推荐 1 次
  5. Scikit-Learn · 被推荐 1 次
  • 品类问题
    I need to review core machine learning concepts and algorithms for upcoming interviews.
    你：未被推荐
    AI 推荐顺序：
    1. An Introduction to Statistical Learning with Applications in R
    2. The Elements of Statistical Learning
    3. Andrew Ng's Machine Learning Course (Coursera)
    4. Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow
    5. Scikit-Learn
    6. Keras
    7. TensorFlow
    8. Machine Learning Crash Course with TensorFlow APIs (Google Developers)
    9. TensorFlow APIs
    10. Deep Learning

    AI 推荐了 10 个替代方案，却始终没点名 wangyuGithub01/Machine_Learning_Resources。这就是要补上的差距。

    查看 AI 完整回答
  • 品类问题
    What are the best practices for feature engineering and model optimization in machine learning?
    你：未被推荐
    AI 推荐顺序：
    1. Pandas Profiling
    2. Sweetviz
    3. StandardScaler
    4. MinMaxScaler
    5. RobustScaler
    6. KBinsDiscretizer
    7. OneHotEncoder
    8. LabelEncoder
    9. OrdinalEncoder
    10. Category Encoders
    11. PolynomialFeatures
    12. TfidfVectorizer
    13. Word2Vec
    14. GloVe
    15. FastText
    16. Gensim
    17. BERT
    18. GPT-3/4
    19. SelectKBest
    20. SelectPercentile
    21. RFE
    22. XGBoost
    23. LightGBM
    24. CatBoost
    25. Random Forest
    26. GridSearchCV
    27. RandomizedSearchCV
    28. Hyperopt
    29. Optuna
    30. Scikit-optimize
    31. Adam
    32. RMSprop
    33. SGD with Momentum
    34. KFold
    35. StratifiedKFold
    36. TimeSeriesSplit
    37. SMOTE
    38. SHAP
    39. LIME

    AI 推荐了 39 个替代方案，却始终没点名 wangyuGithub01/Machine_Learning_Resources。这就是要补上的差距。

    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
    fail

    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 wangyuGithub01/Machine_Learning_Resources?
    pass
    AI 未点名 wangyuGithub01/Machine_Learning_Resources —— 很可能在说另一个项目

    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 wangyuGithub01/Machine_Learning_Resources in production, what risks or prerequisites should they evaluate first?
    pass
    AI 明确点名了 wangyuGithub01/Machine_Learning_Resources

    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 wangyuGithub01/Machine_Learning_Resources solve, and who is the primary audience?
    pass
    AI 未点名 wangyuGithub01/Machine_Learning_Resources —— 很可能在说另一个项目

    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 wangyuGithub01/Machine_Learning_Resources 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/wangyuGithub01/Machine_Learning_Resources.svg)](https://repogeo.com/zh/r/wangyuGithub01/Machine_Learning_Resources)
HTML
<a href="https://repogeo.com/zh/r/wangyuGithub01/Machine_Learning_Resources"><img src="https://repogeo.com/badge/wangyuGithub01/Machine_Learning_Resources.svg" alt="RepoGEO" /></a>
Pro

订阅 Pro，解锁深度诊断

wangyuGithub01/Machine_Learning_Resources — 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