FINDING #2118 · UNIT ID 843222
scikit-learn/scikit-learn
scikit-learn: machine learning in Python
SURPRISE SCORE
0.00
Score Breakdown
SCORE = SURPRISE × ENGAGEMENT^0.7 × FRESHNESS × VISIBILITY × CONFIDENCE
SURPRISE = WINDOW STARS / DAYS / (AUDIENCE + FLOOR)
1% OF STARS IN ARCHIVE
Growth Telemetry
VELOCITY /D
2.59
ACCEL
-0.03
RETENTION
7.1%
PEAK 2026-02-19 · FORK-RETENTION 67.8% · 466 STARS / WINDOW
Author Audience
AUDIENCE
24,577
FOLLOWERS
5,587
OWNER ★
67,014
Engagement Signals
FORKS
27,175
ISSUE AUTH
128
PR AUTH
332
UNIQUE STARGAZERS 465 / 466 (DIVERSITY 1.00)
Why This Is A Finding
scikit-learn/scikit-learn собрал 466 звёзд за окно, тогда как у автора всего 5,587 подписчиков — эффективная аудитория ≈ 24,577. Это даёт surprise-индекс 0.000105 (звёзды относительно охвата автора, а не в абсолюте). Удержание форков 67.8% и 460 внешних контрибьюторов отделяют реальный инструмент от разовой вспышки. Акселерация отрицательная — внимание остывает после пика.
Related Findings
RANKS ABOVE 29% OF 2987 FINDINGS
METRICS IN CONTEXT
MEDIAN ACROSS ALL 2987 FINDINGS · Δ vs MEDIAN · PERCENTILE = SHARE RANKED BELOW
METRICVALUEMEDIANΔ MEDPERCENTILE
SCORE0.000.00-0.00ABOVE 29%
VELOCITY2.592.84-0.26ABOVE 45%
RETENTION7.1%6.8%+0.3 PPABOVE 52%
FORKS27,1751,068+26,107ABOVE 98%
SURPRISE0.000.00-0.00ABOVE 15%