FINDING #7409 · 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)
0% OF STARS IN ARCHIVE
Growth Telemetry
VELOCITY /D
3.67
ACCEL
+1.00
RETENTION
80.0%
PEAK 2026-09-11 · FORK-RETENTION 50.0% · 11 STARS / WINDOW
Author Audience
AUDIENCE
24,916
FOLLOWERS
5,699
OWNER ★
67,589
Engagement Signals
FORKS
27,393
ISSUE AUTH
0
PR AUTH
0
UNIQUE STARGAZERS 11 / 11 (DIVERSITY 1.00)
Why This Is A Finding
scikit-learn/scikit-learn собрал 11 звёзд за окно, тогда как у автора всего 5,699 подписчиков — эффективная аудитория ≈ 24,916. Это даёт surprise-индекс 0.000147 (звёзды относительно охвата автора, а не в абсолюте). Удержание форков 50.0% и 0 внешних контрибьюторов отделяют реальный инструмент от разовой вспышки. Акселерация положительная — рост ещё не выдохся.
Related Findings
RANKS ABOVE 16% OF 8833 FINDINGS
METRICS IN CONTEXT
MEDIAN ACROSS ALL 8833 FINDINGS · Δ vs MEDIAN · PERCENTILE = SHARE RANKED BELOW
METRICVALUEMEDIANΔ MEDPERCENTILE
SCORE0.000.00-0.00ABOVE 16%
VELOCITY3.675.67-2.00ABOVE 25%
RETENTION80.0%45.9%+34.1 PPABOVE 86%
FORKS27,393344+27,049ABOVE 99%
SURPRISE0.000.00-0.00ABOVE 8%