Öffentliches Register
Software-GesundheitsberichtSchema 0.11.0 · Metriken 2.10.0 · 2026-07-17 08:00 UTC

koaning / scikit-lego

Extra blocks for scikit-learn pipelines.

PythonMIT★ 1.408 Sterne⑂ 126 Forksseit Jan. 2019Auf GitHub ansehen ↗
ArtBibliothekwie das ermittelt wird
#scikit-learn#machine-learning#common-sense

koaning/scikit-lego erreicht einen Gesundheitsindex von 87 von 100 und liegt damit im Bereich Exzellent. Am stärksten schneidet es bei Engineering Quality (96/100) ab, am schwächsten bei AI Readiness (44/100). Zuletzt vor 6 Tagen aktualisiert. Ein einzelner Mitwirkender trägt den Großteil der jüngsten Arbeit.

87
gesamt / 100
Exzellent

Software-Gesundheitsindex

Metriken werden auf einer standardisierten Skala von 1–100 in gewichtete Kategorien gruppiert. Der Gesamtwert beginnt als ihr gewichtetes Mittel, kalibriert auf die Verteilung des öffentlichen Registers, sodass die Stufen Perzentilbedeutung tragen; sobald öffentliche Evidenz die Richtlinie für Hochrisikojurisdiktionen auslöst, wird die Bewertung angepasst und erhält die Obergrenze Gefährdet von 34.

87
Außergewöhnlich93-100Die Spitzengruppe des Registers (≈ obere 5 %); erfüllt im Wesentlichen alle geprüften Kriterien
Exzellent80-92Durchgehend stark; geringfügige Lücken
Gut65-79Gesund; Lücken sind begrenzt und beherrschbar
Mittel50-64Akzeptabel mit deutlichen Lücken; Überprüfung empfohlen
Schwach35-49Wesentliche Schwächen in mehreren Bereichen
Gefährdet20-34Erhebliche Schwächen; eine Übernahme erfordert Vorsicht
Kritisch1-19Schwerwiegende Probleme (aufgegeben, nur ein Maintainer, keine Hygiene)
VitalitätCommunity &VerbreitungNachhaltigkeit &GovernanceEngineering-QualitätSicherheitAI Readiness

Bewertungsprofil

Jede Achse ist eine Kategorie. Die Form zählt mehr als der Durchschnitt — ein gesundes Projekt füllt die gesamte Fläche, während ein Profil aus Spitzen und Kratern bedeutet, dass Stärke in einer Dimension Risiken in einer anderen verdeckt.

Der gewichtete Gesamtwert 73 wird auf der veröffentlichten Indexskala auf 87 kalibriert (Register-Kalibrierung 2026-08-02).

Eigentümerschaft

vincent d warmerdam Persönliches Konto
2.786 Follower331 öffentliche Reposseit Sept. 2011@marimo-team

Dieses Repository gehört einem persönlichen Konto. Ein Projekt mit nur einem Eigentümer trägt ein höheres Kontinuitätsrisiko als ein organisationsgetragenes.

Paket-Ökosysteme

RegistryPaketVersionDownloads / MonatVersionenZuletzt veröffentlicht
PyPIscikit-lego0.9.9-58vor 11 Tagen

Metriken nach Kategorie

Vitalität

Lebt das Projekt — wird Code geschrieben und werden Releases ausgeliefert?

75Gut · 21 % des Gesamtindex

Entwicklungsaktivität

64Mittel
Wie die Bewertung erfolgt
36/36Push-Aktualität — letzter Push vor 6 Tagen
9/36Commit-Rhythmus — 13/52 Wochen mit Commits
13.1/18Commit-Volumen — 28 Commits im letzten Jahr
6/10OpenSSF Scorecard: Maintained — 8 commit(s) and 0 issue activity found in the last 90 days -- score normalized to 6
Verwendete Eingangsdaten
commits_last_year28
human_commit_share—
days_since_last_push6
active_weeks_last_year13

Release-Disziplin

92Exzellent
Wie die Bewertung erfolgt
27/27Liefert Releases aus — 47 Releases veröffentlicht
36/36Release-Aktualität — letztes Release vor 11 Tagen
19.8/27Release-Rhythmus — ein Release etwa alle 93,2 Tage
0/10OpenSSF Scorecard: Signed-Releases — keine Daten
Verwendete Eingangsdaten
releases_count47
latest_release_tagv0.9.9
releases_from_tagsnein
days_since_latest_release11
mean_days_between_releases93,2
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): OpenSSF Scorecard: Signed-Releases. Die verbleibenden Gewichte wurden renormalisiert.

Community & Verbreitung

Hat das Projekt Nutzer, Downloads, Aufmerksamkeit und ein einladendes Umfeld für Beitragende?

74Gut · 17 % des Gesamtindex

Popularität & Verbreitung

76Gut
Wie die Bewertung erfolgt
51.1/60Stars — 1.408 Stars
17.5/25Forks — 126 Forks
7/15Watcher — 19 Watcher
Verwendete Eingangsdaten
forks126
stars1.408
watchers19
growth_stateunverified
growth_factor_pct100
growth_unverified_reasonno_history

Community-Gesundheit

72Gut
Wie die Bewertung erfolgt
22.5/22.5README
22.5/22.5Lizenz — anerkannte Lizenz (MIT)
0/18CONTRIBUTING-Leitfaden
13.5/13.5Verhaltenskodex
0/7.2Issue-Vorlage
6.3/6.3PR-Vorlage
Verwendete Eingangsdaten
has_readmeja
has_licenseja
readme_badges—
has_contributingnein
has_issue_templatenein
has_code_of_conductja
readme_badge_services—
has_pull_request_templateja

Nachhaltigkeit & Governance

Überdauert das Projekt die Menschen, die es tragen — Bus-Faktor, Reaktionsfähigkeit, Trägerschaft und Paketpflege?

72Gut · 23 % des Gesamtindex

Maintainer-Resilienz (Bus-Faktor)

43Schwach
Wie die Bewertung erfolgt
9/54Bus-Faktor — 1 Beitragende decken die Hälfte aller Commits ab
10.7/22.5Commit-Verteilung — wichtigste beitragende Person verfasste 52 % der Commits
13.5/13.5Breite der Beitragenden — 62 Beitragende
10/10OpenSSF Scorecard: Contributors — project has 5 contributing companies or organizations
Verwendete Eingangsdaten
bus_factor1
contributors_sampled62
top_contributor_share0,525

Reaktionsfähigkeit bei Issues & PRs

81Exzellent
Wie die Bewertung erfolgt
38.5/42Issue-Lösungsquote — 92 % der Issues geschlossen
24.5/30PR-Annahme — 384/470 entschiedene PRs gemergt
0/13Newcomer PR acceptance — kein PR eines Erstbeitragenden in 30 Tagen entschieden
7.5/15OpenSSF Scorecard: Code-Review — Found 14/24 approved changesets -- score normalized to 5
Verwendete Eingangsdaten
merged_prs384
open_issues28
closed_issues306
prs_merged_7d—
prs_decided_7d—
prs_merged_30d—
prs_decided_30d—
issue_closed_ratio0,916
closed_unmerged_prs86
first_time_authors_30d—
first_time_prs_merged_30d—
first_time_prs_decided_30d—
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): Newcomer PR acceptance. Die verbleibenden Gewichte wurden renormalisiert.

Eigentümerschaft & Trägerschaft

75Gut
Wie die Bewertung erfolgt
10/30Organisatorische Trägerschaft — persönliches (Nutzer-)Konto
0/20Verifizierte Domain — für Nutzerkonten nicht anwendbar
24.8/25Reichweite des Inhabers — 2.786 Follower von koaning
25/25Kontohistorie — 331 öffentliche Repos, Kontoalter ca. 14 Jahre
Verwendete Eingangsdaten
followers2.786
owner_typeUser
is_verified—
owner_loginkoaning
public_repos331
account_age_days5.432
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): Verifizierte Domain. Die verbleibenden Gewichte wurden renormalisiert.

Paketpflege

100Außergewöhnlich
Wie die Bewertung erfolgt
25/25Veröffentlicht & auflösbar — 1 Paket(e) auf pypi
35/35Veröffentlichungsaktualität — letzte Veröffentlichung vor 11 Tagen
20/20Versionshistorie — 58 veröffentlichte Versionen
20/20Nicht veraltet — aktiv, nicht veraltet oder zurückgezogen
Verwendete Eingangsdaten
packagesscikit-lego
ecosystemspypi
any_deprecatednein
min_days_since_publish11

Engineering-Qualität

Sind grundlegende Engineering- und Dokumentationspraktiken vorhanden?

96Außergewöhnlich · 19 % des Gesamtindex

Engineering-Praktiken

94Außergewöhnlich
Wie die Bewertung erfolgt
24/24CI-Workflows — 4 Workflow(s)
24/24Tests vorhanden
16/16Linter-Konfiguration
9.6/9.6Pre-Commit-Hooks
0/6.4.editorconfig
20/20OpenSSF Scorecard: CI-Tests — 26 out of 26 merged PRs checked by a CI test -- score normalized to 10
Verwendete Eingangsdaten
has_cija
has_testsja
has_editorconfignein
has_linter_configja
has_precommit_configja

Dokumentation

100Außergewöhnlich
Wie die Bewertung erfolgt
30/30README
25/25Dokumentationsverzeichnis
15/15Dokumentations-/Homepage-Site — https://koaning.github.io/scikit-lego/
10/10Repository-Beschreibung
10/10Topics — 3 Topics
10/10Wiki
Verwendete Eingangsdaten
topicsscikit-learn, machine-learning, common-sense
has_wikija
homepagehttps://koaning.github.io/scikit-lego/
docs_sitehttps://koaning.github.io/scikit-lego/
has_readmeja
has_docs_dirja
has_descriptionja

Sicherheit

Sind die sichtbaren Sicherheits- und Lieferkettenpraktiken belastbar, ohne ungeklärte Exposition gegenüber Hochrisikojurisdiktionen?

48Schwach · 16 % des Gesamtindex

Sicherheitslage

48Schwach
Wie die Bewertung erfolgt
7.5/7.5Binary-Artifacts — no binaries found in the repo
0/7.5Branch-Protection — keine Daten
2.5/2.5CI-Tests — 26 out of 26 merged PRs checked by a CI test -- score normalized to 10
0/2.5CII-Best-Practices — no effort to earn an OpenSSF best practices badge detected
3.8/7.5Code-Review — Found 14/24 approved changesets -- score normalized to 5
2.5/2.5Contributors — project has 5 contributing companies or organizations
10/10Dangerous-Workflow — no dangerous workflow patterns detected
7.5/7.5Dependency-Update-Tool — update tool detected
0/5Fuzzing — project is not fuzzed
2.5/2.5Lizenz — license file detected
4.5/7.5Maintained — 8 commit(s) and 0 issue activity found in the last 90 days -- score normalized to 6
0/5Packaging — keine Daten
0/5Pinned-Dependencies — dependency not pinned by hash detected -- score normalized to 0
0/5SAST — SAST tool is not run on all commits -- score normalized to 0
0/5Security-Policy — security policy file not detected
0/7.5Signed-Releases — keine Daten
0/7.5Token-Permissions — detected GitHub workflow tokens with excessive permissions
0/7.5Vulnerabilities — 34 existing vulnerabilities detected
Verwendete Eingangsdaten
sourceopenssf_scorecard
checks_evaluated15
scorecard_versionv5.5.0
checks_inconclusive3
scorecard_aggregate4,8
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): Branch-Protection, Packaging, Signed-Releases. Die verbleibenden Gewichte wurden renormalisiert.

AI Readiness

Wie gut ist das Repository dafür ausgestattet, mit KI-Coding-Agenten entwickelt und gepflegt zu werden? Trägt ein bewusst kleines Gewicht (4 %): Agenten-Tooling ist ein echtes Pflegesignal, doch ein Repository ohne jedes Signal kann weiterhin 100/100 erreichen.

44Schwach · 4 % des Gesamtindex

AI-Agentenkontext & Leitlinien

1Kritisch
Wie die Bewertung erfolgt
0/45Agentenanweisungen — keine CLAUDE.md / AGENTS.md / Editor-Regeln
0/15Maschinenlesbare Doku (llms.txt)
0/40Lesbare Commit-Historie — keine Daten
Verwendete Eingangsdaten
has_llms_txtnein
llms_txt_url—
legible_history_share—
agent_instruction_files—
agent_instruction_max_bytes—
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): Lesbare Commit-Historie. Die verbleibenden Gewichte wurden renormalisiert.

AI-Verify-Loop (Build / Test / Typprüfung)

73Gut
Wie die Bewertung erfolgt
18/18Bootstrap mit einem Befehl — Makefile, docs/Makefile
22/22Automatisierte Tests
11/11Lint-/Format-Konfiguration
0/11Statische Typprüfung
10/10Reproduzierbare Umgebung — lockfile
0/10Belegte Agentenpraxis — keine Daten
5/8Automatisierte Wartung — Abhängigkeits-Automatisierung konfiguriert, in den erfassten Commits nicht beobachtet
0/10OpenSSF Scorecard: Pinned-Dependencies — dependency not pinned by hash detected -- score normalized to 0
Verwendete Eingangsdaten
has_nixnein
has_testsja
lockfilesuv.lock
has_dockerfilenein
typed_languagenein
bootstrap_filesMakefile, docs/Makefile
has_devcontainernein
has_linter_configja
typecheck_configs—
agent_commit_share—
toolchain_manifests—
dependency_bot_commit_share0
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): Belegte Agentenpraxis. Die verbleibenden Gewichte wurden renormalisiert.

AI-Code-Lesbarkeit für Modelle

55Mittel
Wie die Bewertung erfolgt
0/45Typprüfbarer Code — Python ohne Typprüfungs-Konfiguration
55/55Handhabbare Dateigrößen — 0/136 Quelldateien über 60 KB
Verwendete Eingangsdaten
primary_languagePython
largest_source_bytes56.157
source_files_sampled136
oversized_source_files0

Eckdaten

1.408GitHub-Sterne
62Mitwirkende
28Commits, letzte 12 Monate
6Tage seit letztem Push
47Releases
1Bus-Faktor
28offene Issues
PyPIPaket-Ökosysteme

Weitere Details

OpenSSF Scorecard 4.8 / 10
4.8Gesamtwert

Unabhängige, werkzeugneutrale Sicherheitsbewertung durch das quelloffene OpenSSF Scorecard. Jede Prüfung honoriert eine Sicherheits-Praxis, nicht das Werkzeug eines bestimmten Anbieters. Prüfungen, die Scorecard nicht ermitteln konnte, sind mit k. A. markiert und vom Sicherheitswert ausgeschlossen (nie als null gezählt).Scorecard v5.5.0 · 2026-07-17 08:00 UTC

10Binary-Artifactsno binaries found in the repo
k. A.Branch-Protectioninternal error: error during branchesHandler.setup: internal error: some github tokens can't read classic branch protection rules: https://github.com/ossf/scorecard-action/blob/main/docs/authentication/fine-grained-auth-token.md
10CI-Tests26 out of 26 merged PRs checked by a CI test -- score normalized to 10
0CII-Best-Practicesno effort to earn an OpenSSF best practices badge detected
5Code-ReviewFound 14/24 approved changesets -- score normalized to 5
10Contributorsproject has 5 contributing companies or organizations
10Dangerous-Workflowno dangerous workflow patterns detected
10Dependency-Update-Toolupdate tool detected
0Fuzzingproject is not fuzzed
10Licenselicense file detected
6Maintained8 commit(s) and 0 issue activity found in the last 90 days -- score normalized to 6
k. A.Packagingpackaging workflow not detected
0Pinned-Dependenciesdependency not pinned by hash detected -- score normalized to 0
0SASTSAST tool is not run on all commits -- score normalized to 0
0Security-Policysecurity policy file not detected
k. A.Signed-Releasesno releases found
0Token-Permissionsdetected GitHub workflow tokens with excessive permissions
0Vulnerabilities34 existing vulnerabilities detected
Direkte Abhängigkeiten 4
RegistryPaketVersionsvorgabeManifest
PyPInarwhals>=1.5.0pyproject.toml
PyPIpandas>=1.1.5pyproject.toml
PyPIscikit-learn>=1.0pyproject.toml
PyPIsklearn-compat>=0.1.3pyproject.toml
Alle Abhängigkeiten 177

Vollständig aufgelöster Abhängigkeitssatz aus dem GitHub-Abhängigkeitsgraphen: 4 direkte und 173 indirekte (transitive) Pakete. Die transitive Hülle ist vollständig, wenn das Repository eine Lockfile eincheckt.

RegistryPaketVersionBeziehung
PyPInarwhals2.8.0direkt
PyPIpandas2.3.3direkt
PyPIscikit-learn1.7.2direkt
PyPIsklearn-compat0.1.4direkt
PyPIanyio4.11.0indirekt
PyPIappnope0.1.4indirekt
PyPIargon2-cffi25.1.0indirekt
PyPIargon2-cffi-bindings25.1.0indirekt
PyPIarrow1.3.0indirekt
PyPIasttokens3.0.0indirekt
PyPIasync-lru2.0.5indirekt
PyPIattrs25.4.0indirekt
PyPIbabel2.17.0indirekt
PyPIbackrefs5.9indirekt
PyPIbeautifulsoup44.14.2indirekt
PyPIbleach6.2.0indirekt
PyPIcertifi2025.10.5indirekt
PyPIcffi2.0.0indirekt
PyPIcfgv3.4.0indirekt
PyPIcharset-normalizer3.4.3indirekt
PyPIclarabel0.11.1indirekt
PyPIclick8.3.0indirekt
PyPIcmake4.1.0indirekt
PyPIcolorama0.4.6indirekt
PyPIcomm0.2.3indirekt
PyPIcontourpy1.3.2indirekt
PyPIcontourpy1.3.3indirekt
PyPIcoverage7.10.7indirekt
PyPIcvxpy1.7.3indirekt
PyPIcycler0.12.1indirekt
PyPIdebugpy1.8.17indirekt
PyPIdecorator5.2.1indirekt
PyPIdefusedxml0.7.1indirekt
PyPIdistlib0.4.0indirekt
PyPIexceptiongroup1.3.0indirekt
PyPIexecnet2.1.1indirekt
PyPIexecuting2.2.1indirekt
PyPIfastjsonschema2.21.2indirekt
PyPIfilelock3.25.2indirekt
PyPIfonttools4.62.1indirekt
PyPIformulaic1.2.1indirekt
PyPIfqdn1.5.1indirekt
PyPIghp-import2.1.0indirekt
PyPIgriffe1.14.0indirekt
PyPIh110.16.0indirekt
PyPIhttpcore1.0.9indirekt
PyPIhttpx0.28.1indirekt
PyPIidentify2.6.15indirekt
PyPIidna3.11indirekt
PyPIiniconfig2.1.0indirekt
PyPIinterface-meta1.3.0indirekt
PyPIipykernel6.30.1indirekt
PyPIipython8.37.0indirekt
PyPIipython9.6.0indirekt
PyPIipython-pygments-lexers1.1.1indirekt
PyPIipywidgets8.1.7indirekt
PyPIisoduration20.11.0indirekt
PyPIjedi0.19.2indirekt
PyPIjinja23.1.6indirekt
PyPIjoblib1.5.2indirekt
PyPIjson50.12.1indirekt
PyPIjsonpointer3.0.0indirekt
PyPIjsonschema4.25.1indirekt
PyPIjsonschema-specifications2025.9.1indirekt
PyPIjupyter1.1.1indirekt
PyPIjupyter-client8.6.3indirekt
PyPIjupyter-console6.6.3indirekt
PyPIjupyter-core5.8.1indirekt
PyPIjupyter-events0.12.0indirekt
PyPIjupyter-lsp2.3.0indirekt
PyPIjupyter-server2.18.2indirekt
PyPIjupyter-server-terminals0.5.3indirekt
PyPIjupyterlab4.5.9indirekt
PyPIjupyterlab-pygments0.3.0indirekt
PyPIjupyterlab-server2.28.0indirekt
PyPIjupyterlab-widgets3.0.15indirekt
PyPIkiwisolver1.4.9indirekt
PyPIlark1.3.0indirekt
PyPIllvmlite0.45.1indirekt
PyPImarkdown3.9indirekt
PyPImarkupsafe3.0.3indirekt
PyPImatplotlib3.10.7indirekt
PyPImatplotlib-inline0.1.7indirekt
PyPImergedeep1.3.4indirekt
PyPImistune3.2.1indirekt
PyPImkdocs1.6.1indirekt
PyPImkdocs-autorefs1.4.3indirekt
PyPImkdocs-get-deps0.2.0indirekt
PyPImkdocs-material9.6.21indirekt
PyPImkdocs-material-extensions1.3.1indirekt
PyPImkdocstrings0.30.1indirekt
PyPImkdocstrings-python1.18.2indirekt
PyPInbclient0.10.2indirekt
PyPInbconvert7.17.1indirekt
PyPInbformat5.10.4indirekt
PyPInest-asyncio1.6.0indirekt
PyPInodeenv1.9.1indirekt
PyPInotebook7.5.7indirekt
PyPInotebook-shim0.2.4indirekt
PyPInumba0.62.1indirekt
PyPInumpy1.26.4indirekt
PyPIosqp1.0.4indirekt
PyPIoverrides7.7.0indirekt
PyPIpackaging25.0indirekt
PyPIpaginate0.5.7indirekt
PyPIpandocfilters1.5.1indirekt
PyPIparso0.8.5indirekt
PyPIpathspec0.12.1indirekt
PyPIpexpect4.9.0indirekt
PyPIpillow12.2.0indirekt
PyPIplatformdirs4.5.0indirekt
PyPIpluggy1.6.0indirekt
PyPIpolars1.34.0indirekt
PyPIpolars-runtime-321.34.0indirekt
PyPIpre-commit4.3.0indirekt
PyPIprometheus-client0.23.1indirekt
PyPIprompt-toolkit3.0.52indirekt
PyPIpsutil7.1.0indirekt
PyPIptyprocess0.7.0indirekt
PyPIpure-eval0.2.3indirekt
PyPIpyarrow21.0.0indirekt
PyPIpycparser2.23indirekt
PyPIpygments2.20.0indirekt
PyPIpymdown-extensions10.16.1indirekt
PyPIpynndescent0.5.13indirekt
PyPIpyparsing3.2.5indirekt
PyPIpytest9.0.3indirekt
PyPIpytest-cov7.0.0indirekt
PyPIpytest-mock3.15.1indirekt
PyPIpytest-xdist3.8.0indirekt
PyPIpython-dateutil2.9.0.post0indirekt
PyPIpython-discovery1.2.1indirekt
PyPIpython-json-logger4.0.0indirekt
PyPIpytz2025.2indirekt
PyPIpywin32311indirekt
PyPIpywinpty3.0.2indirekt
PyPIpyyaml6.0.3indirekt
PyPIpyyaml-env-tag1.1indirekt
PyPIpyzmq27.1.0indirekt
PyPIreferencing0.36.2indirekt
PyPIrequests2.33.1indirekt
PyPIrfc3339-validator0.1.4indirekt
PyPIrfc3986-validator0.1.1indirekt
PyPIrfc3987-syntax1.1.0indirekt
PyPIrpds-py0.27.1indirekt
PyPIruff0.15.10indirekt
PyPIscikit-lego0.9.9indirekt
PyPIscipy1.15.3indirekt
PyPIscipy1.16.2indirekt
PyPIscs3.2.9indirekt
PyPIsend2trash1.8.3indirekt
PyPIsetuptools80.9.0indirekt
PyPIsix1.17.0indirekt
PyPIsniffio1.3.1indirekt
PyPIsoupsieve2.8indirekt
PyPIstack-data0.6.3indirekt
PyPIterminado0.18.1indirekt
PyPIthreadpoolctl3.6.0indirekt
PyPItinycss21.4.0indirekt
PyPItomli2.3.0indirekt
PyPItornado6.5.5indirekt
PyPItqdm4.67.1indirekt
PyPItraitlets5.14.3indirekt
PyPItypes-python-dateutil2.9.0.20251008indirekt
PyPItyping-extensions4.15.0indirekt
PyPItzdata2025.2indirekt
PyPIumap-learn0.5.9.post2indirekt
PyPIuri-template1.3.0indirekt
PyPIurllib32.6.3indirekt
PyPIvirtualenv21.2.0indirekt
PyPIwatchdog6.0.0indirekt
PyPIwcwidth0.2.14indirekt
PyPIwebcolors24.11.1indirekt
PyPIwebencodings0.5.1indirekt
PyPIwebsocket-client1.9.0indirekt
PyPIwidgetsnbextension4.0.14indirekt
PyPIwrapt1.17.3indirekt
JSON-Rohbericht maschinenlesbar

Feedback

Stimmt etwas in diesem Bericht nicht, oder gibt es Gedanken dazu? Falsche Messungen, übersehene Tools, Ideen, Fragen — alles ist willkommen. Jede Nachricht wird gelesen und beantwortet.

Die Nachricht bleibt bei der Anmeldung erhalten.

Verwandte Einträge

Geprüfte Repositories, die Katalog-Tags oder Ökosysteme mit koaning/scikit-lego teilen. Nebeneinander lesen →

100onnx/onnxOpen standard for machine learning interoperabilityAußergewöhnlich100microsoft/onnxruntimeONNX Runtime: cross-platform, high performance ML inferencing and training acceleratorAußergewöhnlich98autogluon/autogluonFast and Accurate ML in 3 Lines of CodeAußergewöhnlich98sktime/sktimeA unified framework for machine learning with time seriesAußergewöhnlich96microsoft/FLAMLA fast library for AutoML and tuning. Join our Discord: https://discord.gg/Cppx2vSPVP.Außergewöhnlich92interpretml/interpretFit interpretable models. Explain blackbox machine learning. Exzellent

Bewertungen sind Signale, keine Garantien. Sie spiegeln öffentlich sichtbare Praxis auf GitHub wider — kein Code-Audit und keine Sicherheitsgarantie.

Fehlende Daten werden ausgeschlossen und die Gewichte neu normiert, nie als null bewertet. Die Methodik ist versioniert und offen: Metriken v2.10.0, Schema v0.11.0 — vollständige Methodik · Metriken-Wiki.

Wie ein einzelnes Ergebnis im Gesamtregister steht: aggregierte Statistiken — PyPI.