Registro público
Informe de salud del softwareesquema 0.12.0 · métricas 2.10.0 · 2026-07-17 15:48 UTC

givasile / effector

Effector - a Python package for global and regional effect methods

Jupyter NotebookMIT★ 121 estrellas⑂ 2 forksdesde mar 2022Ver en GitHub ↗
TipoBibliotecacómo se determina
#explainability#iml#xai

givasile/effector tiene un índice de salud de 75 sobre 100, lo que lo sitúa en la banda Bueno. Su puntuación más alta es Engineering Quality (81/100) y la más baja, AI Readiness (48/100). Se actualizó por última vez hace 1 día. Una sola persona concentra la mayor parte del trabajo reciente.

75
global / 100
Bueno

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.

75
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 65 se calibra a 75 en la escala publicada del índice (calibración del registro 2026-08-02).

Titularidad

Vasilis GkolemisCuenta personal
21 seguidores34 repositorios públicosdesde jun 2016"Athena" Research and Innovation Center

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 publicaciónEtiquetas
PyPIeffector0.5.0-50hace 2 díasexplainabilityinterpretabilitymachine-learningdeep-learningregional-xaifeature-effect

Métricas por categoría

Vitalidad

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

75Bueno · 21% del índice global

Actividad de desarrollo

63Moderado
Cómo se puntúa
36/36Recencia de push — último push hace 1 días
2.8/36Cadencia de commits — 4/52 semanas con commits
14.3/18Volumen de commits — 38 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_year38
human_commit_share—
days_since_last_push1
active_weeks_last_year4

Disciplina de publicación

92Excelente
Cómo se puntúa
27/27Publica versiones — 7 versiones publicadas
36/36Recencia de las versiones — última versión hace 2 días
19.8/27Cadencia de publicación — una versión cada ~85,5 días
0/10OpenSSF Scorecard: Signed-Releases — sin datos
Datos de entrada utilizados
releases_count7
latest_release_tagv0.5.0
releases_from_tagsno
days_since_latest_release2
mean_days_between_releases85,5
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?

51Moderado · 17% del índice global

Popularidad y adopción

35Débil
Cómo se puntúa
33.7/60Estrellas — 121 estrellas
0/25Forks — 2 forks
1.7/15Observadores — 3 observadores
Datos de entrada utilizados
forks2
stars121
watchers3
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_badges—
has_contributingsí
has_issue_templateno
has_code_of_conductno
readme_badge_services—
has_pull_request_templateno

Sostenibilidad y Gobernanza

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

58Moderado · 23% del índice global

Resiliencia de mantenedores (factor bus)

22En riesgo
Cómo se puntúa
9/54Factor bus — la mitad de los commits recae en 1 contribuyente(s)
1.6/22.5Distribución de commits — el principal contribuyente firma el 93% de los commits
8.1/13.5Amplitud de contribuyentes — 6 contribuyentes
3/10OpenSSF Scorecard: Contributors — project has 1 contributing companies or organizations -- score normalized to 3
Datos de entrada utilizados
bus_factor1
contributors_sampled6
top_contributor_share0,928

Capacidad de respuesta a issues y PR

71Bueno
Cómo se puntúa
42/42Resolución de issues — 100% de issues cerradas
20.2/30Aceptación de PR — 41/61 PR decididos fusionados
0/13Newcomer PR acceptance — ningún PR de un contribuyente primerizo decidido en 30 d
0/15OpenSSF Scorecard: Code-Review — Found 0/30 approved changesets -- score normalized to 0
Datos de entrada utilizados
merged_prs41
open_issues0
closed_issues3
prs_merged_7d—
prs_decided_7d—
prs_merged_30d—
prs_decided_30d—
issue_closed_ratio1
closed_unmerged_prs20
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

54Moderado
Cómo se puntúa
10/30Respaldo de la propiedad — cuenta personal (usuario)
0/20Dominio verificado — no aplicable a cuentas de usuario
9.7/25Alcance del propietario — 21 seguidores de givasile
23.2/25Trayectoria — 34 repos públicos, cuenta de ~10 años
Datos de entrada utilizados
followers21
owner_typeUser
is_verified—
owner_logingivasile
public_repos34
account_age_days3681
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 2 días
20/20Historial de versiones — 50 versiones en el registro
20/20No obsoleto — activo, ni obsoleto ni retirado
Datos de entrada utilizados
packageseffector
ecosystemspypi
any_deprecatedno
min_days_since_publish2

Calidad de Ingeniería

¿Existen unas prácticas mínimas de ingeniería y documentación?

81Excelente · 19% del índice global

Prácticas de ingeniería

68Bueno
Cómo se puntúa
24/24Flujos de trabajo de CI — 4 flujo(s) de trabajo
24/24Pruebas presentes
0/16Configuración de linter
0/9.6Hooks de pre-commit
0/6.4.editorconfig
20/20OpenSSF Scorecard: CI-Tests — 29 out of 29 merged PRs checked by a CI test -- score normalized to 10
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://xai-effector.github.io/
10/10Descripción del repositorio
10/10Topics — 3 topics
10/10Wiki
Datos de entrada utilizados
topicsexplainability, iml, xai
has_wikisí
homepagehttps://xai-effector.github.io/
docs_sitehttps://xai-effector.github.io/
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?

61Moderado · 16% del índice global

Postura de seguridad

61Moderado
Cómo se puntúa
7.5/7.5Binary-Artifacts — no binaries found in the repo
0/7.5Branch-Protection — sin datos
2.5/2.5CI-Tests — 29 out of 29 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
0/7.5Code-Review — Found 0/30 approved changesets -- score normalized to 0
0.8/2.5Contributors — project has 1 contributing companies or organizations -- score normalized to 3
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
5/5Packaging — packaging workflow detected
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 — sin datos
7.5/7.5Token-Permissions — GitHub workflow tokens follow principle of least privilege
4.5/7.5Vulnerabilities — 4 existing vulnerabilities detected
Datos de entrada utilizados
sourceopenssf_scorecard
checks_evaluated16
scorecard_versionv5.5.0
checks_inconclusive2
scorecard_aggregate6,1
Excluidos de la puntuación (sin datos o no aplicable): Branch-Protection, Signed-Releases. Los pesos restantes se han renormalizado.

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.

48Débil · 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)

61Moderado
Cómo se puntúa
18/18Arranque con un solo comando — Makefile
22/22Pruebas automatizadas
0/11Configuración de lint / formato
0/11Verificación estática de tipos
10/10Entorno reproducible — lockfile
0/10Práctica demostrada con agentes — sin datos
5/8Mantenimiento automatizado — automatización de dependencias configurada, no observada en los commits muestreados
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_filesMakefile
has_devcontainerno
has_linter_configno
typecheck_configs—
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

54Moderado
Cómo se puntúa
0/45Código verificable por tipos — Jupyter Notebook sin configuración de verificación de tipos
54.3/55Tamaños de archivo manejables — 1/74 archivos fuente de más de 60 KB
Datos de entrada utilizados
primary_languageJupyter Notebook
largest_source_bytes76.354
source_files_sampled74
oversized_source_files1

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

121estrellas de GitHub
6contribuidores
38commits en los últimos 12 meses
1días desde el último push
7versiones publicadas
1factor bus
0issues abiertas
PyPIecosistemas de paquetes

Más detalle

OpenSSF Scorecard 6.1 / 10
6.1agregado

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 · 2026-07-17 15:48 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
10CI-Tests29 out of 29 merged PRs checked by a CI test -- score normalized to 10
0CII-Best-Practicesno effort to earn an OpenSSF best practices badge detected
0Code-ReviewFound 0/30 approved changesets -- score normalized to 0
3Contributorsproject has 1 contributing companies or organizations -- score normalized to 3
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
10Packagingpackaging workflow 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
n/dSigned-Releasesno releases found
10Token-PermissionsGitHub workflow tokens follow principle of least privilege
6Vulnerabilities4 existing vulnerabilities detected
Dependencias directas 4
RegistroPaqueteRestricción de versiónManifiesto
PyPImatplotlib—pyproject.toml
PyPInumpy—pyproject.toml
PyPIscipy—pyproject.toml
PyPItqdm—pyproject.toml
Todas las dependencias 275

Conjunto completo de dependencias resueltas según el grafo de dependencias de GitHub: 13 paquetes directos y 262 indirectos (transitivos). El cierre transitivo es completo cuando el repositorio incluye un lockfile.

RegistroPaqueteVersiónRelación
PyPImatplotlib—directa
PyPImatplotlib3.10.9directa
PyPImatplotlib3.11.0directa
PyPInumpy—directa
PyPInumpy2.2.6directa
PyPInumpy2.4.6directa
PyPInumpy2.5.0directa
PyPIscipy—directa
PyPIscipy1.15.3directa
PyPIscipy1.17.1directa
PyPIscipy1.18.0directa
PyPItqdm—directa
PyPItqdm4.68.3directa
PyPIabsl-py2.4.0indirecta
PyPIannotated-doc0.0.4indirecta
PyPIannotated-types0.7.0indirecta
PyPIanyio4.14.1indirecta
PyPIappnope0.1.4indirecta
PyPIargon2-cffi25.1.0indirecta
PyPIargon2-cffi-bindings25.1.0indirecta
PyPIarrow1.4.0indirecta
PyPIasttokens3.0.1indirecta
PyPIastunparse1.6.3indirecta
PyPIasync-lru2.3.0indirecta
PyPIattrs26.1.0indirecta
PyPIbabel2.18.0indirecta
PyPIbackoff2.2.1indirecta
PyPIbackrefs7.0indirecta
PyPIbeautifulsoup44.15.0indirecta
PyPIblack—indirecta
PyPIbleach6.4.0indirecta
PyPIbuild—indirecta
PyPIcertifi2026.6.17indirecta
PyPIcffi2.0.0indirecta
PyPIcharset-normalizer3.4.7indirecta
PyPIclick8.4.2indirecta
PyPIcloudpickle3.1.2indirecta
PyPIcolorama0.4.6indirecta
PyPIcolour0.1.5indirecta
PyPIcomm0.2.3indirecta
PyPIcontourpy1.3.2indirecta
PyPIcontourpy1.3.3indirecta
PyPIcoverage—indirecta
PyPIcoverage7.14.3indirecta
PyPIcuda-bindings13.3.1indirecta
PyPIcuda-pathfinder1.5.6indirecta
PyPIcuda-toolkit13.0.2indirecta
PyPIcycler0.12.1indirecta
PyPIdebugpy1.8.21indirecta
PyPIdecorator5.3.1indirecta
PyPIdefusedxml0.7.1indirecta
PyPIdistro1.9.0indirecta
PyPIeffector0.5.0indirecta
PyPIeinops0.8.2indirecta
PyPIexceptiongroup1.3.1indirecta
PyPIexecuting2.2.1indirecta
PyPIfastjsonschema2.21.2indirecta
PyPIfilelock3.29.4indirecta
PyPIflake8—indirecta
PyPIflatbuffers25.12.19indirecta
PyPIflit-core—indirecta
PyPIfonttools4.63.0indirecta
PyPIfqdn1.5.1indirecta
PyPIfsspec2026.6.0indirecta
PyPIgast0.7.0indirecta
PyPIghp-import2.1.0indirecta
PyPIgoogle-pasta0.2.0indirecta
PyPIgriffelib2.1.0indirecta
PyPIgrpcio1.81.1indirecta
PyPIh110.16.0indirecta
PyPIh5py3.14.0indirecta
PyPIhf-xet1.5.1indirecta
PyPIhttpcore1.0.9indirecta
PyPIhttpx0.28.1indirecta
PyPIhuggingface-hub1.21.0indirecta
PyPIidna3.18indirecta
PyPIiniconfig2.3.0indirecta
PyPIipykernel7.3.0indirecta
PyPIipython8.39.0indirecta
PyPIipython9.15.0indirecta
PyPIipython-pygments-lexers1.1.1indirecta
PyPIipywidgets8.1.8indirecta
PyPIisoduration20.11.0indirecta
PyPIisort—indirecta
PyPIjedi0.20.0indirecta
PyPIjinja23.1.6indirecta
PyPIjoblib1.5.3indirecta
PyPIjson50.15.0indirecta
PyPIjsonpointer3.1.1indirecta
PyPIjsonschema4.26.0indirecta
PyPIjsonschema-specifications2025.9.1indirecta
PyPIjupyter—indirecta
PyPIjupyter1.1.1indirecta
PyPIjupyter-builder1.0.2indirecta
PyPIjupyter-client8.9.1indirecta
PyPIjupyter-console6.6.3indirecta
PyPIjupyter-core5.9.1indirecta
PyPIjupyter-events0.12.1indirecta
PyPIjupyter-lsp2.3.1indirecta
PyPIjupyter-server2.20.0indirecta
PyPIjupyter-server-terminals0.5.4indirecta
PyPIjupyterlab4.6.1indirecta
PyPIjupyterlab-pygments0.3.0indirecta
PyPIjupyterlab-server2.28.0indirecta
PyPIjupyterlab-widgets3.0.16indirecta
PyPIkeras—indirecta
PyPIkeras3.12.3indirecta
PyPIkeras3.15.0indirecta
PyPIkiwisolver1.5.0indirecta
PyPIlark1.3.1indirecta
PyPIliac-arff2.5.0indirecta
PyPIlibclang18.1.1indirecta
PyPIlightgbm4.6.0indirecta
PyPIllvmlite0.36.0indirecta
PyPIllvmlite0.47.0indirecta
PyPImarkdown3.10.2indirecta
PyPImarkdown-it-py4.2.0indirecta
PyPImarkupsafe3.0.3indirecta
PyPImatplotlib-inline0.2.2indirecta
PyPImdurl0.1.2indirecta
PyPImergedeep1.3.4indirecta
PyPIminio7.2.20indirecta
PyPImistune3.3.2indirecta
PyPImkdocs—indirecta
PyPImkdocs1.6.1indirecta
PyPImkdocs-autorefs1.4.4indirecta
PyPImkdocs-get-deps0.2.2indirecta
PyPImkdocs-glightbox—indirecta
PyPImkdocs-glightbox0.5.2indirecta
PyPImkdocs-material—indirecta
PyPImkdocs-material9.7.6indirecta
PyPImkdocs-material-extensions1.3.1indirecta
PyPImkdocstrings—indirecta
PyPImkdocstrings1.0.4indirecta
PyPImkdocstrings-python—indirecta
PyPImkdocstrings-python2.0.5indirecta
PyPIml-dtypes0.5.4indirecta
PyPImlx0.31.2indirecta
PyPImlx-metal0.31.2indirecta
PyPImpmath1.3.0indirecta
PyPInamex0.1.0indirecta
PyPInarwhals2.23.0indirecta
PyPInbclient0.11.0indirecta
PyPInbconvert7.17.1indirecta
PyPInbformat5.10.4indirecta
PyPInest-asyncio21.7.2indirecta
PyPInetworkx3.4.2indirecta
PyPInetworkx3.6.1indirecta
PyPInotebook7.6.0indirecta
PyPInotebook-shim0.2.4indirecta
PyPInumba0.53.1indirecta
PyPInumba0.65.1indirecta
PyPInvidia-cublas13.1.1.3indirecta
PyPInvidia-cuda-cupti13.0.85indirecta
PyPInvidia-cuda-nvrtc13.0.88indirecta
PyPInvidia-cuda-runtime13.0.96indirecta
PyPInvidia-cudnn-cu139.20.0.48indirecta
PyPInvidia-cufft12.0.0.61indirecta
PyPInvidia-cufile1.15.1.6indirecta
PyPInvidia-curand10.4.0.35indirecta
PyPInvidia-cusolver12.0.4.66indirecta
PyPInvidia-cusparse12.6.3.3indirecta
PyPInvidia-cusparselt-cu130.8.1indirecta
PyPInvidia-ml-py13.610.43indirecta
PyPInvidia-nccl-cu132.29.7indirecta
PyPInvidia-nvjitlink13.0.88indirecta
PyPInvidia-nvshmem-cu133.4.5indirecta
PyPInvidia-nvtx13.0.85indirecta
PyPIopenml—indirecta
PyPIopenml0.15.1indirecta
PyPIopt-einsum3.4.0indirecta
PyPIoptree0.19.1indirecta
PyPIoverrides—indirecta
PyPIoverrides7.7.0indirecta
PyPIpackaging26.2indirecta
PyPIpaginate0.5.7indirecta
PyPIpandas2.3.3indirecta
PyPIpandas3.0.3indirecta
PyPIpandocfilters1.5.1indirecta
PyPIparso0.8.7indirecta
PyPIpathspec1.1.1indirecta
PyPIpexpect4.9.0indirecta
PyPIpillow12.3.0indirecta
PyPIplatformdirs4.10.0indirecta
PyPIpluggy1.6.0indirecta
PyPIposthog7.21.2indirecta
PyPIprometheus-client0.25.0indirecta
PyPIprompt-toolkit3.0.52indirecta
PyPIprotobuf7.35.1indirecta
PyPIpsutil7.2.2indirecta
PyPIptyprocess0.7.0indirecta
PyPIpure-eval0.2.3indirecta
PyPIpyarrow24.0.0indirecta
PyPIpycparser3.0indirecta
PyPIpycryptodome3.23.0indirecta
PyPIpydantic2.13.4indirecta
PyPIpydantic-core2.46.4indirecta
PyPIpydantic-settings2.14.2indirecta
PyPIpygments2.20.0indirecta
PyPIpymdown-extensions11.0indirecta
PyPIpyparsing3.3.2indirecta
PyPIpyqt55.15.11indirecta
PyPIpyqt5-qt55.15.19indirecta
PyPIpyqt5-sip12.18.0indirecta
PyPIpytest—indirecta
PyPIpytest9.1.1indirecta
PyPIpytest-cov—indirecta
PyPIpytest-cov7.1.0indirecta
PyPIpython-dateutil2.9.0.post0indirecta
PyPIpython-dotenv1.2.2indirecta
PyPIpython-json-logger4.1.0indirecta
PyPIpytz2026.2indirecta
PyPIpywinpty3.0.5indirecta
PyPIpyyaml6.0.3indirecta
PyPIpyyaml-env-tag1.1indirecta
PyPIpyzmq27.1.0indirecta
PyPIreferencing0.37.0indirecta
PyPIrequests2.34.2indirecta
PyPIrfc3339-validator0.1.4indirecta
PyPIrfc3986-validator0.1.1indirecta
PyPIrfc3987-syntax1.1.0indirecta
PyPIrich15.0.0indirecta
PyPIrpds-py0.30.0indirecta
PyPIrpds-py2026.6.3indirecta
PyPIruff0.15.20indirecta
PyPIsafetensors0.8.0indirecta
PyPIscikit-learn1.7.2indirecta
PyPIscikit-learn1.9.0indirecta
PyPIselectolax0.4.10indirecta
PyPIsend2trash2.1.0indirecta
PyPIsetuptools81.0.0indirecta
PyPIshap—indirecta
PyPIshap0.49.1indirecta
PyPIshap0.51.0indirecta
PyPIshap0.52.0indirecta
PyPIshapiq—indirecta
PyPIshapiq1.2.3indirecta
PyPIshapiq1.5.2indirecta
PyPIshellingham1.5.4indirecta
PyPIsix1.17.0indirecta
PyPIslicer0.0.8indirecta
PyPIsoupsieve2.8.4indirecta
PyPIstack-data0.6.3indirecta
PyPIsympy1.14.0indirecta
PyPItabpfn—indirecta
PyPItabpfn8.0.8indirecta
PyPItabpfn-common-utils0.2.23indirecta
PyPItensorflow—indirecta
PyPItensorflow-cpu2.21.0indirecta
PyPItermcolor3.3.0indirecta
PyPIterminado0.18.1indirecta
PyPIthreadpoolctl3.6.0indirecta
PyPItinycss21.5.1indirecta
PyPItomli2.4.1indirecta
PyPItorch2.12.1indirecta
PyPItornado6.5.7indirecta
PyPItraitlets5.15.1indirecta
PyPItriton3.7.1indirecta
PyPItyper0.25.1indirecta
PyPItyping-extensions4.15.0indirecta
PyPItyping-inspection0.4.2indirecta
PyPItzdata2026.2indirecta
PyPIucimlrepo—indirecta
PyPIucimlrepo0.0.7indirecta
PyPIuri-template1.3.0indirecta
PyPIurllib32.7.0indirecta
PyPIwatchdog6.0.0indirecta
PyPIwcwidth0.8.2indirecta
PyPIwebcolors25.10.0indirecta
PyPIwebencodings0.5.1indirecta
PyPIwebsocket-client1.9.0indirecta
PyPIwheel0.47.0indirecta
PyPIwidgetsnbextension4.0.15indirecta
PyPIwrapt2.2.2indirecta
PyPIxmltodict1.0.4indirecta
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 givasile/effector. Leer en paralelo →

92interpretml/interpretFit interpretable models. Explain blackbox machine learning. Excelente94shap/shapA game theoretic approach to explain the output of any machine learning model.Excepcional93mmschlk/shapiqShapley Interactions and Shapley Values for Machine LearningExcepcional100wandb/wandbThe AI developer platform. Use Weights & Biases to train and fine-tune models, and manage models from experimentation to production.Excepcional100onnx/onnxOpen standard for machine learning interoperabilityExcepcional100streamlit/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 v0.12.0 — metodología completa · wiki de métricas.

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