Registro público
Informe de salud del softwareesquema 0.34.0 · métricas 2.10.0 · 2026-10-19 03:05 UTC

csinva / imodels

Interpretable ML package 🔍 for concise, transparent, and accurate predictive modeling (sklearn-compatible).

Jupyter Notebook · PythonMIT★ 1629 estrellas⑂ 148 forksdesde jul 2019Ver en GitHub ↗
TipoBibliotecacómo se determina
#interpretability#machine-learning#data-science#artificial-intelligence#ml#ai#statistics#scikit-learn#python#optimal-classification-tree#rulefit#imodels#rule-learning#supervised-learning#explainable-ml#explainable-ai#rules#bayesian-rule-list

csinva/imodels tiene un índice de salud de 83 sobre 100, lo que lo sitúa en la banda Excelente. Su puntuación más alta es Vitality (75/100) y la más baja, AI Readiness (55/100). Se actualizó por última vez hace 2 días. Una sola persona concentra la mayor parte del trabajo reciente.

83
global / 100
Excelente

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.

83
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 70 se calibra a 83 en la escala publicada del índice (calibración del registro 2026-08-02).

Titularidad

Chandan SinghCuenta personal
541 seguidores79 repositorios públicosdesde jul 2013Staff research scientist

Este repositorio pertenece a una cuenta personal. Un proyecto con un único propietario conlleva más riesgo de continuidad que uno respaldado por una organización.

Ecosistemas de paquetes

RegistroPaqueteVersiónDescargas / mesVersionesÚltima publicación
PyPIimodels3.0.428.69260hace 12 días

Métricas por categoría

Vitalidad

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

75Bueno · 21% del índice global

Actividad de desarrollo

74Bueno
Cómo se puntúa
36/36Recencia de push — último push hace 2 días
9.7/36Cadencia de commits — 14/52 semanas con commits
18/18Volumen de commits — 377 commits en el último año
10/10OpenSSF Scorecard: Maintained — 30 commit(s) and 9 issue activity found in the last 90 days -- score normalized to 10
Datos de entrada utilizados
commits_last_year377
human_commit_share0,96
days_since_last_push2
active_weeks_last_year14

Disciplina de publicación

76Bueno
Cómo se puntúa
27/27Publica versiones — 42 versiones publicadas
36/36Recencia de las versiones — última versión hace 12 días
12.6/27Cadencia de publicación — una versión cada ~121,9 días
0/10OpenSSF Scorecard: Signed-Releases — Project has not signed or included provenance with any releases.
Datos de entrada utilizados
releases_count42
latest_release_tagv3.0.4
releases_from_tagsno
days_since_latest_release12
mean_days_between_releases121,9

Comunidad y Adopción

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

74Bueno · 17% del índice global

Popularidad y adopción

77Bueno
Cómo se puntúa
52.1/60Estrellas — 1629 estrellas
18.1/25Forks — 148 forks
7/15Observadores — 19 observadores
Datos de entrada utilizados
forks148
stars1629
watchers19
growth_stateunverified
growth_factor_pct100
growth_unverified_reasonno_history

Salud de la comunidad

70Bueno
Cómo se puntúa
22.5/22.5README
22.5/22.5Licencia — licencia reconocida (MIT)
18/18Guía CONTRIBUTING
0/13.5Código de conducta
0/7.2Plantilla de issues
0/6.3Plantilla de PR
Datos de entrada utilizados
has_readmesí
has_licensesí
readme_badges5
has_contributingsí
has_issue_templateno
has_code_of_conductno
readme_badge_servicesgithub.com, shields.io
has_pull_request_templateno

Adopción en el ecosistema (descargas)

74Bueno
Cómo se puntúa
59.4/80Descargas mensuales — 28.692 descargas/mes en pypi
0/20Dependientes en el registro — no lo informa este ecosistema
Datos de entrada utilizados
packagesimodels
dependents—
ecosystemspypi
total_downloads—
monthly_downloads28.692
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?

71Bueno · 23% del índice global

Resiliencia de mantenedores (factor bus)

41Débil
Cómo se puntúa
9/54Factor bus — la mitad de los commits recae en 1 contribuyente(s)
8.4/22.5Distribución de commits — el principal contribuyente firma el 63% de los commits
13.5/13.5Amplitud de contribuyentes — 25 contribuyentes
10/10OpenSSF Scorecard: Contributors — project has 9 contributing companies or organizations
Datos de entrada utilizados
bus_factor1
contributors_sampled25
top_contributor_share0,628

Capacidad de respuesta a issues y PR

86Excelente
Cómo se puntúa
40/42Resolución de issues — 95% de issues cerradas
28.6/30Aceptación de PR — 198/208 PR decididos fusionados
13/13Newcomer PR acceptance — 3/3 PR de contribuyentes primerizos fusionados en 30 d
4.5/15OpenSSF Scorecard: Code-Review — Found 3/8 approved changesets -- score normalized to 3
Datos de entrada utilizados
merged_prs198
open_issues5
closed_issues99
prs_merged_7d5
prs_decided_7d5
prs_merged_30d12
prs_decided_30d12
issue_closed_ratio0,952
closed_unmerged_prs10
first_time_authors_30d3
first_time_prs_merged_30d3
first_time_prs_decided_30d3

Propiedad y custodia

68Bueno
Cómo se puntúa
10/30Respaldo de la propiedad — cuenta personal (usuario)
0/20Dominio verificado — no aplicable a cuentas de usuario
19.7/25Alcance del propietario — 541 seguidores de csinva
25/25Trayectoria — 79 repos públicos, cuenta de ~13 años
Datos de entrada utilizados
followers541
owner_typeUser
is_verified—
owner_logincsinva
public_repos79
account_age_days4851
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 12 días
20/20Historial de versiones — 60 versiones en el registro
20/20No obsoleto — activo, ni obsoleto ni retirado
Datos de entrada utilizados
packagesimodels
ecosystemspypi
any_deprecatedno
min_days_since_publish12

Calidad de Ingeniería

¿Existen unas prácticas mínimas de ingeniería y documentación?

75Bueno · 19% del índice global

Prácticas de ingeniería

58Moderado
Cómo se puntúa
24/24Flujos de trabajo de CI — 1 flujo(s) de trabajo
24/24Pruebas presentes
0/16Configuración de linter
0/9.6Hooks de pre-commit
0/6.4.editorconfig
10/20OpenSSF Scorecard: CI-Tests — 4 out of 7 merged PRs checked by a CI test -- score normalized to 5
Datos de entrada utilizados
has_cisí
has_testssí
has_editorconfigno
has_linter_configno
has_precommit_configno

Documentación

100Excepcional
Cómo se puntúa
30/30README
25/25Directorio de documentación
15/15Sitio de documentación / página del proyecto — https://csinva.io/imodels
10/10Descripción del repositorio
10/10Topics — 18 topics
10/10Wiki
Datos de entrada utilizados
topicsinterpretability, machine-learning, data-science, artificial-intelligence, ml, ai, statistics, scikit-learn, python, optimal-classification-tree, rulefit, imodels, rule-learning, supervised-learning, explainable-ml, explainable-ai, rules, bayesian-rule-list
has_wikisí
homepagehttps://csinva.io/imodels
docs_sitehttps://csinva.io/imodels
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?

55Moderado · 16% del índice global

Postura de seguridad

44Débil
Cómo se puntúa
7.5/7.5Binary-Artifacts — no binaries found in the repo
0/7.5Branch-Protection — sin datos
1.2/2.5CI-Tests — 4 out of 7 merged PRs checked by a CI test -- score normalized to 5
0/2.5CII-Best-Practices — no effort to earn an OpenSSF best practices badge detected
2.2/7.5Code-Review — Found 3/8 approved changesets -- score normalized to 3
2.5/2.5Contributors — project has 9 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 9 issue activity found in the last 90 days -- score normalized to 10
0/5Packaging — sin datos
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 — Project has not signed or included provenance with any releases.
0/7.5Token-Permissions — detected GitHub workflow tokens with excessive permissions
0/7.5Vulnerabilities — 67 existing vulnerabilities detected
Datos de entrada utilizados
sourceopenssf_scorecard
checks_evaluated16
scorecard_versionv5.5.0
checks_inconclusive2
scorecard_aggregate4,4
Excluidos de la puntuación (sin datos o no aplicable): Branch-Protection, Packaging. 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_packages25
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:imodels@3.0.4 —lo que arrastra la instalación del paquete publicado—: 25 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.

55Moderado · 4% del índice global

Contexto y guía para agentes

40Débil
Cómo se puntúa
0/45Instrucciones para agentes — sin CLAUDE.md / AGENTS.md / reglas de editor
0/15Documentación legible por máquinas (llms.txt)
40/40Historial de commits legible — 83 de 96 commits humanos declaran su intención (asunto estructurado o cuerpo explicativo)
Datos de entrada utilizados
has_llms_txtno
llms_txt_url—
legible_history_share0,865
agent_instruction_files—
agent_instruction_max_bytes—

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

50Moderado
Cómo se puntúa
0/18Arranque con un solo comando
22/22Pruebas automatizadas
0/11Configuración de lint / formato
0/11Verificación estática de tipos
10/10Entorno reproducible — lockfile
10/10Práctica demostrada con agentes — 72 de los últimos 100 commits con autoría o crédito de agente
8/8Mantenimiento automatizado — 4 de los últimos 100 commits son actualizaciones automáticas de dependencias
0/10OpenSSF Scorecard: Pinned-Dependencies — dependency not pinned by hash detected -- score normalized to 0
Datos de entrada utilizados
has_nixno
has_testssí
lockfilesuv.lock
has_dockerfileno
typed_languageno
bootstrap_files—
has_devcontainerno
has_linter_configno
typecheck_configs—
agent_commit_share0,72
toolchain_manifests—
dependency_bot_commit_share0,04

Legibilidad del código para modelos

54Moderado
Cómo se puntúa
0/45Código verificable por tipos — Jupyter Notebook sin configuración de verificación de tipos
54.3/55Tamaños de archivo manejables — 3/252 archivos fuente de más de 60 KB
Datos de entrada utilizados
primary_languageJupyter Notebook
largest_source_bytes195.094
source_files_sampled252
oversized_source_files3

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

1629estrellas de GitHub
25contribuidores
377commits en los últimos 12 meses
2días desde el último push
42versiones publicadas
1factor bus
5issues abiertas
PyPIecosistemas de paquetes

Advertencias de recopilación de datos

  • Star history unavailable: GitHub GraphQL error: Resource not accessible by personal access token

Más detalle

Historial de estrellas y forks 0 ★ / 148 ⇿
0Estrellas
148Forks
41Versiones

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.

025507510012515014582019-082023-032026-10
Mayor 2Menor 4Parche 34

Cada punto abarca 7 días.

OpenSSF Scorecard 4.4 / 10
4.4agregado

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 · 2026-10-19 03:05 UTC

10Binary-Artifactsno binaries found in the repo
n/dBranch-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
5CI-Tests4 out of 7 merged PRs checked by a CI test -- score normalized to 5
0CII-Best-Practicesno effort to earn an OpenSSF best practices badge detected
3Code-ReviewFound 3/8 approved changesets -- score normalized to 3
10Contributorsproject has 9 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 9 issue activity found in the last 90 days -- score normalized to 10
n/dPackagingpackaging 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
0Signed-ReleasesProject has not signed or included provenance with any releases.
0Token-Permissionsdetected GitHub workflow tokens with excessive permissions
0Vulnerabilities67 existing vulnerabilities detected
Dependencias directas 8
RegistroPaqueteRestricción de versiónManifiesto
PyPImatplotlib—pyproject.toml
PyPImlxtend—pyproject.toml
PyPInumpy—pyproject.toml
PyPIpandas—pyproject.toml
PyPIrequests—pyproject.toml
PyPIscipy—pyproject.toml
PyPIscikit-learn—pyproject.toml
PyPItqdm—pyproject.toml
Todas las dependencias 235

Conjunto completo de dependencias resueltas según el grafo de dependencias de GitHub: 13 paquetes directos y 222 indirectos (transitivos). El cierre transitivo es completo cuando el repositorio incluye un lockfile.

RegistroPaqueteVersiónRelación
PyPImatplotlib3.10.5directa
PyPImatplotlib3.2.2directa
PyPImlxtend0.23.4directa
PyPInumpy2.0.2directa
PyPInumpy2.2.6directa
PyPInumpy2.3.2directa
PyPIpandas2.3.2directa
PyPIrequests2.32.5directa
PyPIscikit-learn1.5.2directa
PyPIscipy1.13.1directa
PyPIscipy1.15.3directa
PyPIscipy1.16.1directa
PyPItqdm4.67.1directa
PyPIadjusttext1.3.0indirecta
PyPIanyio4.10.0indirecta
PyPIaplr10.9.0indirecta
PyPIappnope0.1.4indirecta
PyPIargon2-cffi25.1.0indirecta
PyPIargon2-cffi-bindings21.2.0indirecta
PyPIargon2-cffi-bindings25.1.0indirecta
PyPIarrow1.3.0indirecta
PyPIasttokens3.0.0indirecta
PyPIasync-lru2.0.5indirecta
PyPIattrs25.3.0indirecta
PyPIbabel2.17.0indirecta
PyPIbeautifulsoup44.13.4indirecta
PyPIbleach6.2.0indirecta
PyPIbleach6.4.0indirecta
PyPIblinker1.9.0indirecta
PyPIcairocffi1.7.1indirecta
PyPIcairosvg2.8.2indirecta
PyPIcairosvg2.9.1indirecta
PyPIcertifi2025.8.3indirecta
PyPIcffi1.17.1indirecta
PyPIcharset-normalizer3.4.3indirecta
PyPIclarabel0.11.1indirecta
PyPIclick8.1.8indirecta
PyPIclick8.2.1indirecta
PyPIcloudpickle3.1.1indirecta
PyPIcolorama0.4.6indirecta
PyPIcomm0.2.3indirecta
PyPIcontourpy1.3.2indirecta
PyPIcontourpy1.3.3indirecta
PyPIcoverage7.10.4indirecta
PyPIcssselect20.10.1indirecta
PyPIcssselect20.8.0indirecta
PyPIcvxpy1.7.1indirecta
PyPIcycler0.12.1indirecta
PyPIdash2.18.2indirecta
PyPIdash-core-components2.0.0indirecta
PyPIdash-cytoscape1.0.2indirecta
PyPIdash-html-components2.0.0indirecta
PyPIdash-table5.0.0indirecta
PyPIdebugpy1.8.16indirecta
PyPIdecorator5.2.1indirecta
PyPIdefusedxml0.7.1indirecta
PyPIdill0.4.0indirecta
PyPIdvu0.0.2indirecta
PyPIexceptiongroup1.3.0indirecta
PyPIexecnet2.1.2indirecta
PyPIexecuting2.2.0indirecta
PyPIfastjsonschema2.21.2indirecta
PyPIfilelock3.19.1indirecta
PyPIflask3.0.3indirecta
PyPIfonttools4.59.1indirecta
PyPIfqdn1.5.1indirecta
PyPIfsspec2025.10.0indirecta
PyPIfsspec2026.9.0indirecta
PyPIgdown5.2.2indirecta
PyPIgdown6.4.1indirecta
PyPIgevent25.5.1indirecta
PyPIglmnet2.2.1indirecta
PyPIgreenlet3.2.4indirecta
PyPIh110.16.0indirecta
PyPIhttpcore1.0.9indirecta
PyPIhttpx0.28.1indirecta
PyPIidna3.10indirecta
PyPIimodels3.0.4indirecta
PyPIimportlib-metadata8.7.0indirecta
PyPIiniconfig2.1.0indirecta
PyPIinterpret0.7.2indirecta
PyPIinterpret-core0.7.2indirecta
PyPIipykernel6.30.1indirecta
PyPIipython8.18.1indirecta
PyPIipython8.37.0indirecta
PyPIipython9.4.0indirecta
PyPIipython-genutils0.2.0indirecta
PyPIipython-pygments-lexers1.1.1indirecta
PyPIipywidgets8.1.7indirecta
PyPIisoduration20.11.0indirecta
PyPIitsdangerous2.2.0indirecta
PyPIjedi0.19.2indirecta
PyPIjinja23.1.6indirecta
PyPIjoblib1.5.1indirecta
PyPIjson50.12.1indirecta
PyPIjsonpointer3.0.0indirecta
PyPIjsonschema4.25.1indirecta
PyPIjsonschema-specifications2025.4.1indirecta
PyPIjupyter1.1.1indirecta
PyPIjupyter-builder1.2.3indirecta
PyPIjupyter-client8.6.3indirecta
PyPIjupyter-console6.6.3indirecta
PyPIjupyter-core5.8.1indirecta
PyPIjupyter-events0.12.0indirecta
PyPIjupyter-lsp2.2.6indirecta
PyPIjupyter-server2.17.0indirecta
PyPIjupyter-server2.21.1indirecta
PyPIjupyter-server-terminals0.5.3indirecta
PyPIjupyterlab4.5.11indirecta
PyPIjupyterlab4.6.4indirecta
PyPIjupyterlab-pygments0.3.0indirecta
PyPIjupyterlab-server2.28.0indirecta
PyPIjupyterlab-widgets3.0.15indirecta
PyPIjupytext1.17.2indirecta
PyPIkiwisolver1.4.7indirecta
PyPIkiwisolver1.4.9indirecta
PyPIlark1.2.2indirecta
PyPIllvmlite0.43.0indirecta
PyPIllvmlite0.49.0indirecta
PyPImako1.3.10indirecta
PyPImarkdown3.8.2indirecta
PyPImarkdown-it-py3.0.0indirecta
PyPImarkdown-it-py4.0.0indirecta
PyPImarkupsafe3.0.2indirecta
PyPImatplotlib-inline0.1.7indirecta
PyPImdit-py-plugins0.4.2indirecta
PyPImdit-py-plugins0.5.0indirecta
PyPImdurl0.1.2indirecta
PyPImistune3.3.3indirecta
PyPImpmath1.3.0indirecta
PyPImultiprocess0.70.18indirecta
PyPInarwhals2.1.2indirecta
PyPInbclient0.10.2indirecta
PyPInbconvert7.17.1indirecta
PyPInbformat5.10.4indirecta
PyPInest-asyncio1.6.0indirecta
PyPInetworkx3.2.1indirecta
PyPInetworkx3.4.2indirecta
PyPInetworkx3.5indirecta
PyPInotebook6.4.8indirecta
PyPInotebook-shim0.2.4indirecta
PyPInumba0.60.0indirecta
PyPInumba0.67.0indirecta
PyPInvidia-cublas-cu1212.8.4.1indirecta
PyPInvidia-cuda-cupti-cu1212.8.90indirecta
PyPInvidia-cuda-nvrtc-cu1212.8.93indirecta
PyPInvidia-cuda-runtime-cu1212.8.90indirecta
PyPInvidia-cudnn-cu129.10.2.21indirecta
PyPInvidia-cufft-cu1211.3.3.83indirecta
PyPInvidia-cufile-cu121.13.1.3indirecta
PyPInvidia-curand-cu1210.3.9.90indirecta
PyPInvidia-cusolver-cu1211.7.3.90indirecta
PyPInvidia-cusparse-cu1212.5.8.93indirecta
PyPInvidia-cusparselt-cu120.7.1indirecta
PyPInvidia-nccl-cu122.27.3indirecta
PyPInvidia-nvjitlink-cu1212.8.93indirecta
PyPInvidia-nvtx-cu1212.8.90indirecta
PyPIosqp1.0.4indirecta
PyPIoverrides7.7.0indirecta
PyPIpackaging25.0indirecta
PyPIpandocfilters1.5.1indirecta
PyPIparso0.8.4indirecta
PyPIpatsy1.0.1indirecta
PyPIpdoc30.11.6indirecta
PyPIpexpect4.9.0indirecta
PyPIpillow11.3.0indirecta
PyPIpillow12.3.0indirecta
PyPIplatformdirs4.3.8indirecta
PyPIplotly6.3.0indirecta
PyPIpluggy1.6.0indirecta
PyPIpmlb1.0.1.post3indirecta
PyPIprometheus-client0.22.1indirecta
PyPIprompt-toolkit3.0.51indirecta
PyPIpsutil7.0.0indirecta
PyPIptyprocess0.7.0indirecta
PyPIpure-eval0.2.3indirecta
PyPIpycparser2.22indirecta
PyPIpygments2.19.2indirecta
PyPIpyparsing3.2.3indirecta
PyPIpysocks1.7.1indirecta
PyPIpytest8.4.1indirecta
PyPIpytest-cov6.2.1indirecta
PyPIpytest-xdist3.8.0indirecta
PyPIpython-dateutil2.9.0.post0indirecta
PyPIpython-json-logger3.3.0indirecta
PyPIpytz2025.2indirecta
PyPIpywin32311indirecta
PyPIpywinpty3.0.0indirecta
PyPIpyyaml6.0.2indirecta
PyPIpyzmq27.0.2indirecta
PyPIreferencing0.36.2indirecta
PyPIretrying1.4.2indirecta
PyPIrfc3339-validator0.1.4indirecta
PyPIrfc3986-validator0.1.1indirecta
PyPIrfc3987-syntax1.1.0indirecta
PyPIrpds-py0.27.0indirecta
PyPIsalib1.4.8indirecta
PyPIsalib1.5.1indirecta
PyPIscs3.2.8indirecta
PyPIseaborn0.12.2indirecta
PyPIseaborn0.13.2indirecta
PyPIsend2trash1.8.3indirecta
PyPIsetuptools80.9.0indirecta
PyPIshap0.46.0indirecta
PyPIsix1.17.0indirecta
PyPIslicer0.0.8indirecta
PyPIslurmpy0.0.8indirecta
PyPIsniffio1.3.1indirecta
PyPIsoupsieve2.10indirecta
PyPIsoupsieve2.8.4indirecta
PyPIstack-data0.6.3indirecta
PyPIstatsmodels0.14.5indirecta
PyPIsympy1.14.0indirecta
PyPIterminado0.18.1indirecta
PyPIthreadpoolctl3.6.0indirecta
PyPItinycss21.4.0indirecta
PyPItomli2.2.1indirecta
PyPItorch2.8.0indirecta
PyPItornado6.5.10indirecta
PyPItraitlets5.14.3indirecta
PyPItriton3.4.0indirecta
PyPItypes-python-dateutil2.9.0.20250809indirecta
PyPItyping-extensions4.14.1indirecta
PyPItzdata2025.2indirecta
PyPIuri-template1.3.0indirecta
PyPIurllib32.5.0indirecta
PyPIwcwidth0.2.13indirecta
PyPIwebcolors24.11.1indirecta
PyPIwebencodings0.5.1indirecta
PyPIwebsocket-client1.8.0indirecta
PyPIwerkzeug3.0.6indirecta
PyPIwidgetsnbextension4.0.14indirecta
PyPIzipp3.23.0indirecta
PyPIzope-event5.1.1indirecta
PyPIzope-interface7.2indirecta
Avisos de dependencias 0

Instalar pypi:imodels@3.0.4 arrastra 25 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 csinva/imodels. Leer en paralelo →

100onnx/onnxOpen standard for machine learning interoperabilityExcepcional98deepnote/deepnoteDeepnote is a drop-in replacement for Jupyter with an AI-first design, sleek UI, new blocks, and native data integrations. Use Python, R, and SQL locally in your favorite IDE, then scale to Deepnote cloud for real-time collaboration, Deepnote agent, and deployable data apps. https://deepnote.com/Excepcional100scikit-learn/scikit-learnscikit-learn: machine learning in PythonExcepcional99ultralytics/ultralyticsUltralytics YOLO27, YOLO26, YOLO11, YOLOv8 — object detection, instance segmentation, semantic segmentation, image classification, pose estimation, object trackingExcepcional99voxel51/fiftyoneRefine high-quality datasets and visual AI modelsExcepcional98Netflix/metaflowBuild, Manage and Deploy AI/ML SystemsExcepcional

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 v0.34.0 — metodología completa · wiki de métricas.

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