Registro público
Informe de salud del softwareesquema 0.17.0 · métricas 2.10.0 · 2026-07-21 04:07 UTC

Nixtla / mlforecast

Scalable machine 🤖 learning for time series forecasting.

PythonApache-2.0★ 1254 estrellas⑂ 128 forksdesde abr 2021Ver en GitHub ↗
TipoBibliotecacómo se determina
#forecast#forecasting#machine-learning#lightgbm#xgboost#dask#python#time-series

Nixtla/mlforecast tiene un índice de salud de 96 sobre 100, lo que lo sitúa en la banda Excepcional. Su puntuación más alta es Engineering Quality (92/100) y la más baja, AI Readiness (63/100). Se actualizó por última vez hoy. Una sola persona concentra la mayor parte del trabajo reciente.

96
global / 100
Excepcional

Índice de salud del software

Las métricas se agrupan en categorías ponderadas sobre una escala estandarizada de 1 a 100. El resultado global parte de su media ponderada, calibrada contra la distribución del registro público para que las bandas tengan significado percentil; cuando la evidencia pública activa la Política de Jurisdicciones de Alto Riesgo, la calificación se ajusta y recibe un límite «En riesgo» de 34.

96
Excepcional93-100El nivel más alto del registro (≈ el 5% superior); cumple prácticamente todos los criterios evaluados
Excelente80-92Sólido en todos los frentes; carencias menores
Bueno65-79Saludable; carencias limitadas y manejables
Moderado50-64Aceptable con carencias notables; se recomienda revisión
Débil35-49Debilidades sustanciales en varias áreas
En riesgo20-34Debilidades significativas; su adopción exige cautela
Crítico1-19Problemas graves (proyecto abandonado, un solo mantenedor, sin higiene)
VitalidadComunidad yAdopciónSostenibilidady GobernanzaCalidad deIngenieríaSeguridadPreparaciónpara IA

Perfil de puntuación

Cada eje es una categoría. La forma importa más que la media: un proyecto sano llena toda la figura, mientras que un perfil de picos y cráteres indica que la fortaleza en una dimensión enmascara el riesgo en otra.

El resultado global ponderado 83 se calibra a 96 en la escala publicada del índice (calibración del registro 2026-08-02).

Titularidad

NixtlaOrganización
2817 seguidores39 repositorios públicosdesde mar 2021

Este repositorio está respaldado por una organización: una custodia compartida y responsable que puede sobrevivir a cualquier mantenedor individual.

Ecosistemas de paquetes

RegistroPaqueteVersiónDescargas / mesVersionesÚltima publicaciónEtiquetas
PyPImlforecast1.1.0466.39258hace 11 díaspythonforecastforecastingmachine-learningdask

Métricas por categoría

Vitalidad

¿Está vivo el proyecto: se escribe código y se publican versiones?

91Excelente · 21% del índice global

Actividad de desarrollo

90Excelente
Cómo se puntúa
36/36Recencia de push — último push hace 0 días
25.6/36Cadencia de commits — 37/52 semanas con commits
18/18Volumen de commits — 133 commits en el último año
10/10OpenSSF Scorecard: Maintained — 30 commit(s) and 0 issue activity found in the last 90 days -- score normalized to 10
Datos de entrada utilizados
commits_last_year133
human_commit_share—
days_since_last_push0
active_weeks_last_year37

Disciplina de publicación

92Excelente
Cómo se puntúa
27/27Publica versiones — 44 versiones publicadas
36/36Recencia de las versiones — última versión hace 11 días
19.8/27Cadencia de publicación — una versión cada ~67,6 días
0/10OpenSSF Scorecard: Signed-Releases — sin datos
Datos de entrada utilizados
releases_count44
latest_release_tagv1.1.0
releases_from_tagsno
days_since_latest_release11
mean_days_between_releases67,6
Excluidos de la puntuación (sin datos o no aplicable): OpenSSF Scorecard: Signed-Releases. Los pesos restantes se han renormalizado.

Comunidad y Adopción

¿Tiene el proyecto usuarios, descargas, atención y unas condiciones acogedoras para quienes contribuyen?

85Excelente · 17% del índice global

Popularidad y adopción

73Bueno
Cómo se puntúa
50.3/60Estrellas — 1254 estrellas
17.5/25Forks — 128 forks
5/15Observadores — 9 observadores
Datos de entrada utilizados
forks128
stars1254
watchers9
growth_stateorganic
growth_factor_pct100

Salud de la comunidad

92Excelente
Cómo se puntúa
22.5/22.5README
22.5/22.5Licencia — licencia reconocida (Apache-2.0)
18/18Guía CONTRIBUTING
13.5/13.5Código de conducta
0/7.2Plantilla de issues
6.3/6.3Plantilla de PR
Datos de entrada utilizados
has_readmesí
has_licensesí
readme_badges—
has_contributingsí
has_issue_templateno
has_code_of_conductsí
readme_badge_services—
has_pull_request_templatesí

Adopción en el ecosistema (descargas)

94Excepcional
Cómo se puntúa
75.6/80Descargas mensuales — 466.392 descargas/mes en pypi
0/20Dependientes en el registro — no lo informa este ecosistema
Datos de entrada utilizados
packagesmlforecast
dependents—
ecosystemspypi
total_downloads—
monthly_downloads466.392
unverified_packages_excluded—
Excluidos de la puntuación (sin datos o no aplicable): Dependientes en el registro. Los pesos restantes se han renormalizado.

Sostenibilidad y Gobernanza

¿Sobrevivirá el proyecto a sus personas: factor bus, capacidad de respuesta, quién lo respalda y mantenimiento del paquete?

80Excelente · 23% del índice global

Resiliencia de mantenedores (factor bus)

42Débil
Cómo se puntúa
9/54Factor bus — la mitad de los commits recae en 1 contribuyente(s)
9.3/22.5Distribución de commits — el principal contribuyente firma el 59% de los commits
13.5/13.5Amplitud de contribuyentes — 25 contribuyentes
10/10OpenSSF Scorecard: Contributors — project has 5 contributing companies or organizations
Datos de entrada utilizados
bus_factor1
contributors_sampled25
top_contributor_share0,587

Capacidad de respuesta a issues y PR

95Excepcional
Cómo se puntúa
40.9/42Resolución de issues — 98% de issues cerradas
26.7/30Aceptación de PR — 365/410 PR decididos fusionados
0/13Newcomer PR acceptance — ningún PR de un contribuyente primerizo decidido en 30 d
15/15OpenSSF Scorecard: Code-Review — all changesets reviewed
Datos de entrada utilizados
merged_prs365
open_issues5
closed_issues199
prs_merged_7d—
prs_decided_7d—
prs_merged_30d—
prs_decided_30d—
issue_closed_ratio0,975
closed_unmerged_prs45
first_time_authors_30d—
first_time_prs_merged_30d—
first_time_prs_decided_30d—
Excluidos de la puntuación (sin datos o no aplicable): Newcomer PR acceptance. Los pesos restantes se han renormalizado.

Propiedad y custodia

96Excepcional
Cómo se puntúa
30/30Respaldo de la propiedad — propiedad de una organización
0/20Dominio verificado — el estado de dominio verificado no se leyó para esta organización
24.8/25Alcance del propietario — 2817 seguidores de Nixtla
22.4/25Trayectoria — 39 repos públicos, cuenta de ~5 años
Datos de entrada utilizados
followers2817
owner_typeOrganization
is_verified—
owner_loginNixtla
public_repos39
account_age_days1966
Excluidos de la puntuación (sin datos o no aplicable): Dominio verificado. Los pesos restantes se han renormalizado.

Mantenimiento de paquetes

100Excepcional
Cómo se puntúa
25/25Publicado y resoluble — 1 paquete(s) en pypi
35/35Recencia de publicación — última publicación hace 11 días
20/20Historial de versiones — 58 versiones en el registro
20/20No obsoleto — activo, ni obsoleto ni retirado
Datos de entrada utilizados
packagesmlforecast
ecosystemspypi
any_deprecatedno
min_days_since_publish11

Calidad de Ingeniería

¿Existen unas prácticas mínimas de ingeniería y documentación?

92Excelente · 19% del índice global

Prácticas de ingeniería

94Excepcional
Cómo se puntúa
24/24Flujos de trabajo de CI — 7 flujo(s) de trabajo
24/24Pruebas presentes
16/16Configuración de linter
9.6/9.6Hooks de pre-commit
0/6.4.editorconfig
20/20OpenSSF Scorecard: CI-Tests — 30 out of 30 merged PRs checked by a CI test -- score normalized to 10
Datos de entrada utilizados
has_cisí
has_testssí
has_editorconfigno
has_linter_configsí
has_precommit_configsí

Documentación

90Excelente
Cómo se puntúa
30/30README
25/25Directorio de documentación
15/15Sitio de documentación / página del proyecto — https://nixtlaverse.nixtla.io/mlforecast
10/10Descripción del repositorio
10/10Topics — 8 topics
0/10Wiki
Datos de entrada utilizados
topicsforecast, forecasting, machine-learning, lightgbm, xgboost, dask, python, time-series
has_wikino
homepagehttps://nixtlaverse.nixtla.io/mlforecast
docs_sitehttps://nixtlaverse.nixtla.io/mlforecast
has_readmesí
has_docs_dirsí
has_descriptionsí

Seguridad

¿Son sólidas las prácticas visibles de seguridad y de cadena de suministro, sin exposición jurisdiccional de alto riesgo sin resolver?

68Bueno · 16% del índice global

Postura de seguridad

60Moderado
Cómo se puntúa
7.5/7.5Binary-Artifacts — no binaries found in the repo
3.8/7.5Branch-Protection — branch protection is not maximal on development and all release branches
2.5/2.5CI-Tests — 30 out of 30 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
7.5/7.5Code-Review — all changesets reviewed
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
2.5/2.5Licencia — license file detected
7.5/7.5Maintained — 30 commit(s) and 0 issue activity found in the last 90 days -- score normalized to 10
0/5Packaging — sin datos
2/5Pinned-Dependencies — dependency not pinned by hash detected -- score normalized to 4
2.5/5SAST — SAST tool is not run on all commits -- score normalized to 5
0/5Security-Policy — security policy file not detected
0/7.5Signed-Releases — sin datos
0/7.5Token-Permissions — detected GitHub workflow tokens with excessive permissions
0/7.5Vulnerabilities — 16 existing vulnerabilities detected
Datos de entrada utilizados
sourceopenssf_scorecard
checks_evaluated16
scorecard_versionv5.5.0
checks_inconclusive2
scorecard_aggregate6
Excluidos de la puntuación (sin datos o no aplicable): Packaging, Signed-Releases. Los pesos restantes se han renormalizado.

Avisos de dependencias

100Excepcional
Cómo se puntúa
35/35Dependencias directas libres de avisos conocidos — ninguna dependencia directa tiene un aviso conocido
25/25Dependencias indirectas libres de avisos conocidos — ninguna dependencia indirecta tiene un aviso conocido
0/40Sin avisos pendientes — ningún aviso tiene fecha de publicación
Datos de entrada utilizados
sourceosv
advisories0
affected_packages0
assessed_packages24
unassessed_packages0
affected_by_severitynone
direct_affected_packages0
Excluidos de la puntuación (sin datos o no aplicable): Sin avisos pendientes. Los pesos restantes se han renormalizado. Se cotejó el cierre de dependencias en tiempo de ejecución de pypi:mlforecast@1.1.0 —lo que arrastra la instalación del paquete publicado—: 24 paquetes. No se analiza la alcanzabilidad.

Preparación para IA

¿Hasta qué punto está el repositorio preparado para desarrollarse y mantenerse con agentes de codificación de IA? Tiene un peso deliberadamente pequeño (4%): las herramientas para agentes son una señal real de mantenimiento, pero un repositorio sin ninguna puede alcanzar igualmente 100/100.

63Moderado · 4% del índice global

Contexto y guía para agentes

1Crítico
Cómo se puntúa
0/45Instrucciones para agentes — sin CLAUDE.md / AGENTS.md / reglas de editor
0/15Documentación legible por máquinas (llms.txt)
0/40Historial de commits legible — sin datos
Datos de entrada utilizados
has_llms_txtno
llms_txt_url—
legible_history_share—
agent_instruction_files—
agent_instruction_max_bytes—
Excluidos de la puntuación (sin datos o no aplicable): Historial de commits legible. Los pesos restantes se han renormalizado.

Bucle de verificación (compilación / pruebas / verificación de tipos)

90Excelente
Cómo se puntúa
18/18Arranque con un solo comando — Makefile
22/22Pruebas automatizadas
11/11Configuración de lint / formato
11/11Verificación estática de tipos — mlforecast/py.typed
10/10Entorno reproducible — lockfile
0/10Práctica demostrada con agentes — sin datos
5/8Mantenimiento automatizado — automatización de dependencias configurada, no observada en los commits muestreados
4/10OpenSSF Scorecard: Pinned-Dependencies — dependency not pinned by hash detected -- score normalized to 4
Datos de entrada utilizados
has_nixno
has_testssí
lockfilesuv.lock
has_dockerfileno
typed_languageno
bootstrap_filesMakefile
has_devcontainerno
has_linter_configsí
typecheck_configsmlforecast/py.typed
agent_commit_share—
toolchain_manifests—
dependency_bot_commit_share0
Excluidos de la puntuación (sin datos o no aplicable): Práctica demostrada con agentes. Los pesos restantes se han renormalizado.

Legibilidad del código para modelos

77Bueno
Cómo se puntúa
27/45Código verificable por tipos — Python con configuración de verificación de tipos (mlforecast/py.typed)
49.8/55Tamaños de archivo manejables — 6/64 archivos fuente de más de 60 KB
Datos de entrada utilizados
primary_languagePython
largest_source_bytes154.837
source_files_sampled64
oversized_source_files6

Interfaces legibles por máquina

100Excepcional
Cómo se puntúa
0/40Esquema de API (OpenAPI/GraphQL/proto) — no aplicable a este tipo de software
0/20Servidor MCP — no aplicable a este tipo de software
40/40Ejemplos ejecutables — notebooks
Datos de entrada utilizados
example_dirsnotebooks
has_mcp_signalno
api_schema_files—
interfaces_expected_of—
Excluidos de la puntuación (sin datos o no aplicable): Esquema de API (OpenAPI/GraphQL/proto), Servidor MCP. Los pesos restantes se han renormalizado.

Datos clave

1254estrellas de GitHub
25contribuidores
133commits en los últimos 12 meses
0días desde el último push
44versiones publicadas
1factor bus
5issues abiertas
PyPIecosistemas de paquetes

Más detalle

Historial de estrellas y forks 1254 ★ / 0 ⇿
1254Estrellas

Cuándo se añadió cada estrella y fork, recopilado de GitHub y agrupado por día. El crecimiento acumulado se sitúa justo encima de las adiciones diarias que lo componen, de modo que ambos se leen en conjunto: la acumulación orgánica sostenida no se parece en nada a un pico abrupto y efímero. Cuando esa diferencia es medible, se informa como autenticidad del crecimiento.

Solo se muestra el historial más reciente: este repositorio supera la ventana de recopilación, por lo que no se captura el historial más antiguo.

2004006008001000120014001254272023-032024-112026-07

Cada punto abarca 4 días.

OpenSSF Scorecard 6.0 / 10
6.0agregado

Evaluación de seguridad independiente y agnóstica en cuanto a herramientas, procedente del proyecto de código abierto OpenSSF Scorecard. Cada comprobación premia una práctica de seguridad, no la herramienta de un proveedor concreto. Las comprobaciones que Scorecard no pudo determinar se marcan como n/d y se excluyen de la puntuación de seguridad (nunca se cuentan como cero).Scorecard v5.5.0 · 2026-07-21 04:07 UTC

10Binary-Artifactsno binaries found in the repo
5Branch-Protectionbranch protection is not maximal on development and all release branches
10CI-Tests30 out of 30 merged PRs checked by a CI test -- score normalized to 10
0CII-Best-Practicesno effort to earn an OpenSSF best practices badge detected
10Code-Reviewall changesets reviewed
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
10Maintained30 commit(s) and 0 issue activity found in the last 90 days -- score normalized to 10
n/dPackagingpackaging workflow not detected
4Pinned-Dependenciesdependency not pinned by hash detected -- score normalized to 4
5SASTSAST tool is not run on all commits -- score normalized to 5
0Security-Policysecurity policy file not detected
n/dSigned-Releasesno releases found
0Token-Permissionsdetected GitHub workflow tokens with excessive permissions
0Vulnerabilities16 existing vulnerabilities detected
Dependencias directas 8
RegistroPaqueteRestricción de versiónManifiesto
PyPIcloudpickle—pyproject.toml
PyPIcoreforecast>=0.0.15pyproject.toml
PyPIfsspec—pyproject.toml
PyPInarwhals—pyproject.toml
PyPIoptuna—pyproject.toml
PyPIpandas<3.0pyproject.toml
PyPIscikit-learn—pyproject.toml
PyPIutilsforecast>=0.2.9pyproject.toml
Todas las dependencias 216

Conjunto completo de dependencias resueltas según el grafo de dependencias de GitHub: 9 paquetes directos y 207 indirectos (transitivos). El cierre transitivo es completo cuando el repositorio incluye un lockfile.

RegistroPaqueteVersiónRelación
PyPIcloudpickle3.1.2directa
PyPIcoreforecast0.0.18directa
PyPIfsspec2026.1.0directa
PyPInarwhals2.15.0directa
PyPIoptuna4.7.0directa
PyPIpandas2.3.3directa
PyPIscikit-learn1.7.2directa
PyPIscikit-learn1.8.0directa
PyPIutilsforecast0.2.15directa
PyPIadagio0.2.6indirecta
PyPIadlfs2025.8.0indirecta
PyPIaiobotocore3.1.1indirecta
PyPIaiohappyeyeballs2.6.1indirecta
PyPIaiohttp3.14.1indirecta
PyPIaioitertools0.13.0indirecta
PyPIaiosignal1.4.0indirecta
PyPIalembic1.18.1indirecta
PyPIannotated-doc0.0.4indirecta
PyPIannotated-types0.7.0indirecta
PyPIanyio4.12.1indirecta
PyPIasync-timeout5.0.1indirecta
PyPIattrs25.4.0indirecta
PyPIazure-core1.38.0indirecta
PyPIazure-datalake-store0.0.53indirecta
PyPIazure-identity1.25.1indirecta
PyPIazure-storage-blob12.28.0indirecta
PyPIblinker1.9.0indirecta
PyPIbokeh3.8.2indirecta
PyPIbotocore1.42.30indirecta
PyPIcachetools6.2.4indirecta
PyPIcatboost1.2.10indirecta
PyPIcertifi2026.1.4indirecta
PyPIcffi2.0.0indirecta
PyPIcfgv3.5.0indirecta
PyPIcharset-normalizer3.4.4indirecta
PyPIclick8.3.1indirecta
PyPIcolorama0.4.6indirecta
PyPIcolorlog6.10.1indirecta
PyPIcontourpy1.3.2indirecta
PyPIcontourpy1.3.3indirecta
PyPIconvertdate2.4.0indirecta
PyPIcoverage7.13.1indirecta
PyPIcryptography48.0.1indirecta
PyPIcycler0.12.1indirecta
PyPIdask2026.1.1indirecta
PyPIdatabricks-sdk0.80.0indirecta
PyPIdatasetsforecast1.0.1indirecta
PyPIdecorator5.2.1indirecta
PyPIdistlib0.4.0indirecta
PyPIdistributed2026.1.1indirecta
PyPIdocker7.1.0indirecta
PyPIduckdb1.4.3indirecta
PyPIexceptiongroup1.3.1indirecta
PyPIexecnet2.1.2indirecta
PyPIfastapi0.136.3indirecta
PyPIfilelock3.20.3indirecta
PyPIflask3.1.3indirecta
PyPIflask-cors6.0.2indirecta
PyPIfonttools4.61.1indirecta
PyPIfrozenlist1.8.0indirecta
PyPIfugue0.9.4indirecta
PyPIgcsfs2026.1.0indirecta
PyPIgitdb4.0.12indirecta
PyPIgitpython3.1.50indirecta
PyPIgoogle-api-core2.29.0indirecta
PyPIgoogle-auth2.47.0indirecta
PyPIgoogle-auth-oauthlib1.2.4indirecta
PyPIgoogle-cloud-core2.5.0indirecta
PyPIgoogle-cloud-storage3.8.0indirecta
PyPIgoogle-cloud-storage-control1.9.0indirecta
PyPIgoogle-crc32c1.8.0indirecta
PyPIgoogle-resumable-media2.8.0indirecta
PyPIgoogleapis-common-protos1.72.0indirecta
PyPIgraphene3.4.3indirecta
PyPIgraphql-core3.2.7indirecta
PyPIgraphql-relay3.2.0indirecta
PyPIgraphviz0.21indirecta
PyPIgreenlet3.3.0indirecta
PyPIgriffe2md1.5.0indirecta
PyPIgriffelib2.0.0indirecta
PyPIgrpc-google-iam-v10.14.3indirecta
PyPIgrpcio1.76.0indirecta
PyPIgrpcio-status1.76.0indirecta
PyPIgunicorn23.0.0indirecta
PyPIh110.16.0indirecta
PyPIhijri-converter2.3.2.post1indirecta
PyPIhijridate2.3.0indirecta
PyPIholidays0.20indirecta
PyPIhuey2.6.0indirecta
PyPIidentify2.6.16indirecta
PyPIidna3.15indirecta
PyPIimportlib-metadata8.7.1indirecta
PyPIiniconfig2.3.0indirecta
PyPIisodate0.7.2indirecta
PyPIitsdangerous2.2.0indirecta
PyPIjinja23.1.6indirecta
PyPIjmespath1.1.0indirecta
PyPIjoblib1.5.3indirecta
PyPIjsonschema4.26.0indirecta
PyPIjsonschema-specifications2025.9.1indirecta
PyPIkiwisolver1.4.9indirecta
PyPIkorean-lunar-calendar0.3.1indirecta
PyPIlibrt0.7.8indirecta
PyPIlightgbm4.6.0indirecta
PyPIlightgbm-ray0.1.9indirecta
PyPIlocket1.0.0indirecta
PyPIlz44.4.5indirecta
PyPImako1.3.12indirecta
PyPImarkdown-it-py4.0.0indirecta
PyPImarkupsafe3.0.3indirecta
PyPImatplotlib3.10.8indirecta
PyPImdformat1.0.0indirecta
PyPImdurl0.1.2indirecta
PyPImkdocstrings-parser0.0.1indirecta
PyPImlflow3.14.0indirecta
PyPImlflow-skinny3.14.0indirecta
PyPImlflow-tracing3.14.0indirecta
PyPImlforecast1.1.0indirecta
PyPImsal1.34.0indirecta
PyPImsal-extensions1.3.1indirecta
PyPImsgpack1.2.1indirecta
PyPImultidict6.7.0indirecta
PyPImypy1.19.1indirecta
PyPImypy-extensions1.1.0indirecta
PyPInodeenv1.10.0indirecta
PyPInumpy2.2.6indirecta
PyPInumpy2.4.1indirecta
PyPIoauthlib3.3.1indirecta
PyPIopentelemetry-api1.39.1indirecta
PyPIopentelemetry-proto1.39.1indirecta
PyPIopentelemetry-sdk1.39.1indirecta
PyPIopentelemetry-semantic-conventions0.60b1indirecta
PyPIpackaging25.0indirecta
PyPIpartd1.4.2indirecta
PyPIpathspec1.0.3indirecta
PyPIpatsy1.0.2indirecta
PyPIpillow12.2.0indirecta
PyPIpip-licenses5.5.0indirecta
PyPIplatformdirs4.5.1indirecta
PyPIplotly6.7.0indirecta
PyPIpluggy1.6.0indirecta
PyPIpolars1.31.0indirecta
PyPIpre-commit4.5.1indirecta
PyPIprettytable3.17.0indirecta
PyPIpropcache0.4.1indirecta
PyPIproto-plus1.27.0indirecta
PyPIprotobuf6.33.5indirecta
PyPIpsutil7.2.1indirecta
PyPIpy-cpuinfo9.0.0indirecta
PyPIpy4j0.10.9.9indirecta
PyPIpyarrow23.0.1indirecta
PyPIpyasn10.6.3indirecta
PyPIpyasn1-modules0.4.2indirecta
PyPIpycparser3.0indirecta
PyPIpydantic2.12.5indirecta
PyPIpydantic-core2.41.5indirecta
PyPIpygments2.20.0indirecta
PyPIpyjwt2.13.0indirecta
PyPIpymeeus0.5.12indirecta
PyPIpyparsing3.3.2indirecta
PyPIpyspark4.1.1indirecta
PyPIpytest9.0.3indirecta
PyPIpytest-benchmark5.2.3indirecta
PyPIpytest-codspeed4.2.0indirecta
PyPIpytest-cov7.0.0indirecta
PyPIpytest-rerunfailures16.1indirecta
PyPIpytest-xdist3.8.0indirecta
PyPIpython-dateutil2.9.0.post0indirecta
PyPIpython-dotenv1.2.2indirecta
PyPIpytz2025.2indirecta
PyPIpywin32311indirecta
PyPIpyyaml6.0.3indirecta
PyPIray2.55.0indirecta
PyPIreferencing0.37.0indirecta
PyPIrequests2.33.0indirecta
PyPIrequests-oauthlib2.0.0indirecta
PyPIrich14.2.0indirecta
PyPIrpds-py0.30.0indirecta
PyPIrsa4.9.1indirecta
PyPIruff0.14.14indirecta
PyPIs3fs2026.1.0indirecta
PyPIscipy1.15.3indirecta
PyPIscipy1.17.0indirecta
PyPIsetuptools80.10.1indirecta
PyPIsix1.17.0indirecta
PyPIskops0.13.0indirecta
PyPIsmmap5.0.2indirecta
PyPIsortedcontainers2.4.0indirecta
PyPIsqlalchemy2.0.46indirecta
PyPIsqlparse0.5.5indirecta
PyPIstarlette1.3.1indirecta
PyPIstatsmodels0.14.6indirecta
PyPItblib3.2.2indirecta
PyPIthreadpoolctl3.6.0indirecta
PyPItomli2.4.0indirecta
PyPItoolz1.1.0indirecta
PyPItornado6.5.7indirecta
PyPItqdm4.67.1indirecta
PyPItriad1.0.0indirecta
PyPItyping-extensions4.15.0indirecta
PyPItyping-inspection0.4.2indirecta
PyPItzdata2025.3indirecta
PyPIurllib32.7.0indirecta
PyPIuvicorn0.40.0indirecta
PyPIvirtualenv20.36.1indirecta
PyPIwaitress3.0.2indirecta
PyPIwcwidth0.3.1indirecta
PyPIwerkzeug3.1.6indirecta
PyPIwrapt2.0.1indirecta
PyPIxgboost2.0.3indirecta
PyPIxgboost-ray0.1.19indirecta
PyPIxlrd2.0.2indirecta
PyPIxyzservices2025.11.0indirecta
PyPIyarl1.22.0indirecta
PyPIzict3.0.0indirecta
PyPIzipp3.23.0indirecta
Avisos de dependencias 0

Instalar pypi:mlforecast@1.1.0 arrastra 24 paquetes, directos y transitivos: 0 tienen avisos conocidos, de los cuales 0 son dependencias directas.

Ningún aviso conocido afecta a las dependencias evaluadas.

Un aviso significa que la versión registrada en el grafo de dependencias cae dentro del rango afectado de un aviso. No se analiza la alcanzabilidad, y el grafo incluye fijaciones de desarrollo y prueba: un hallazgo puede referirse al utillaje y no al software distribuido.

Informe JSON sin procesar legible por máquina

Comentarios

¿Algo no cuadra en este informe, o hay ideas que compartir? Mediciones erróneas, herramientas no detectadas, ideas, preguntas: todo es bienvenido. Cada mensaje se lee y recibe respuesta.

El mensaje se conserva durante el inicio de sesión.

Registros relacionados

Repositorios inspeccionados que comparten etiquetas de catálogo o ecosistemas con Nixtla/mlforecast. Leer en paralelo →

98autogluon/autogluonFast and Accurate ML in 3 Lines of CodeExcepcional98Nixtla/statsforecastLightning ⚡️ fast forecasting with statistical and econometric models.Excepcional97unit8co/dartsA python library for user-friendly forecasting and anomaly detection on time series.Excepcional98sktime/sktimeA unified framework for machine learning with time seriesExcepcional98Nixtla/neuralforecastScalable and user friendly neural :brain: forecasting algorithms.Excepcional100streamlit/streamlitStreamlit — A faster way to build and share data apps.Excepcional

Las puntuaciones son señales, no garantías. Reflejan prácticas públicamente visibles en GitHub; no son una auditoría de código ni una garantía de seguridad.

Los datos ausentes se excluyen y los pesos se renormalizan; nunca se puntúan como cero. La metodología es versionada y abierta: métricas v2.10.0, esquema v0.17.0 — metodología completa · wiki de métricas.

Cómo se sitúa un resultado dentro del registro general: estadísticas agregadas — PyPI.