Informe de salud del softwareesquema 0.31.0 · métricas 2.10.0 · 2026-08-12 22:34 UTC

interpretml / interpret

Fit interpretable models. Explain blackbox machine learning.

C++ · PythonMIT★ 6916 estrellas⑂ 782 forksdesde may 2019Ver en GitHub ↗

#machine-learning #interpretability #gradient-boosting #blackbox #scikit-learn #xai #interpretml #interpretable-machine-learning #interpretable-ai #transparency #iml #interpretable-ml #explainable-ml #explainability #bias #ai #artificial-intelligence #explainable-ai #differential-privacy

interpretml/interpret tiene un índice de salud de 92 sobre 100, lo que lo sitúa en la banda Excelente. Su puntuación más alta es Engineering Quality (92/100) y la más baja, Security (67/100). Se actualizó por última vez hace 2 días. Una sola persona concentra la mayor parte del trabajo reciente.

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.

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)

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 78 se calibra a 92 en la escala publicada del índice (calibración del registro 2026-08-02).

Titularidad

InterpretMLOrganización

290 seguidores15 repositorios públicosdesde abr 2017

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

Ecosistemas de paquetes

Registro	Paquete	Versión	Descargas / mes	Versiones	Última publicación
npm	@interpretml/interpret-inline	0.7.8	507	46	hace 148 días
PyPI	interpret	0.7.8	-	71	hace 148 días
PyPI	interpret-core	0.7.8	-	50	hace 148 días
PyPI	powerlift	0.1.12	94	15	hace 683 días

Métricas por categoría

Vitalidad

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

85Excelente · 21% del índice global

Actividad de desarrollo

81Excelente

Cómo se puntúa

36/36	Recencia de push — último push hace 2 días
18/36	Cadencia de commits — 26/52 semanas con commits
18/18	Volumen de commits — 211 commits en el último año
9/10	OpenSSF Scorecard: Maintained — 8 commit(s) and 3 issue activity found in the last 90 days -- score normalized to 9

Datos de entrada utilizados

commits_last_year	211
human_commit_share	0,95
days_since_last_push	2
active_weeks_last_year	26

Disciplina de publicación

90Excelente

Cómo se puntúa

27/27	Publica versiones — 66 versiones publicadas
27/36	Recencia de las versiones — última versión hace 147 días
27/27	Cadencia de publicación — una versión cada ~27,6 días
0/10	OpenSSF Scorecard: Signed-Releases — sin datos

Datos de entrada utilizados

releases_count	66
latest_release_tag	v0.7.8
releases_from_tags	no
days_since_latest_release	147
mean_days_between_releases	27,6

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?

74Bueno · 17% del índice global

Popularidad y adopción

96Excepcional

Cómo se puntúa

60/60	Estrellas — 6916 estrellas
24.1/25	Forks — 782 forks
11.9/15	Observadores — 141 observadores

Datos de entrada utilizados

forks	782
stars	6916
watchers	141
growth_state	unverified
growth_factor_pct	100
growth_unverified_reason	no_history

Salud de la comunidad

70Bueno

Cómo se puntúa

22.5/22.5	README
22.5/22.5	Licencia — licencia reconocida (MIT)
18/18	Guía CONTRIBUTING
0/13.5	Código de conducta
0/7.2	Plantilla de issues
0/6.3	Plantilla de PR

Datos de entrada utilizados

has_readme	sí
has_license	sí
readme_badges	7
has_contributing	sí
has_issue_template	no
has_code_of_conduct	no
readme_badge_services	codecov.io, github.com, shields.io
has_pull_request_template	no

Adopción en el ecosistema (descargas)

46Débil

Cómo se puntúa

37.1/80	Descargas mensuales — 601 descargas/mes en npm, pypi
0/20	Dependientes en el registro — no lo informa este ecosistema

Datos de entrada utilizados

packages	@interpretml/interpret-inline, interpret, interpret-core, powerlift
dependents	—
ecosystems	npm, pypi
total_downloads	—
monthly_downloads	601
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?

72Bueno · 23% del índice global

Resiliencia de mantenedores (factor bus)

42Débil

Cómo se puntúa

9/54	Factor bus — la mitad de los commits recae en 1 contribuyente(s)
9.7/22.5	Distribución de commits — el principal contribuyente firma el 57% de los commits
13.5/13.5	Amplitud de contribuyentes — 49 contribuyentes
10/10	OpenSSF Scorecard: Contributors — project has 3 contributing companies or organizations -- score normalized to 10

Datos de entrada utilizados

bus_factor	1
contributors_sampled	49
top_contributor_share	0,571

Capacidad de respuesta a issues y PR

73Bueno

Cómo se puntúa

38.3/42	Resolución de issues — 91% de issues cerradas
23.3/30	Aceptación de PR — 135/174 PR decididos fusionados
0/13	Newcomer PR acceptance — ningún PR de un contribuyente primerizo decidido en 30 d
1.5/15	OpenSSF Scorecard: Code-Review — Found 4/26 approved changesets -- score normalized to 1

Datos de entrada utilizados

merged_prs	135
open_issues	42
closed_issues	443
prs_merged_7d	0
prs_decided_7d	0
prs_merged_30d	0
prs_decided_30d	0
issue_closed_ratio	0,913
closed_unmerged_prs	39
first_time_authors_30d	0
first_time_prs_merged_30d	0
first_time_prs_decided_30d	0

Excluidos de la puntuación (sin datos o no aplicable): Newcomer PR acceptance. Los pesos restantes se han renormalizado.

Propiedad y custodia

86Excelente

Cómo se puntúa

30/30	Respaldo de la propiedad — propiedad de una organización
0/20	Dominio verificado — el estado de dominio verificado no se leyó para esta organización
17.7/25	Alcance del propietario — 290 seguidores de interpretml
20.8/25	Trayectoria — 15 repos públicos, cuenta de ~9 años

Datos de entrada utilizados

followers	290
owner_type	Organization
is_verified	—
owner_login	interpretml
public_repos	15
account_age_days	3411

Excluidos de la puntuación (sin datos o no aplicable): Dominio verificado. Los pesos restantes se han renormalizado.

Mantenimiento de paquetes

100Excepcional

Cómo se puntúa

25/25	Publicado y resoluble — 4 paquete(s) en npm, pypi
35/35	Recencia de publicación — última publicación hace 148 días
20/20	Historial de versiones — 71 versiones en el registro
20/20	No obsoleto — activo, ni obsoleto ni retirado

Datos de entrada utilizados

packages	@interpretml/interpret-inline, interpret, interpret-core, powerlift
ecosystems	npm, pypi
any_deprecated	no
min_days_since_publish	148

Calidad de Ingeniería

¿Existen unas prácticas mínimas de ingeniería y documentación?

92Excelente · 19% del índice global

Prácticas de ingeniería

94Excepcional

Cómo se puntúa

24/24	Flujos de trabajo de CI — 4 flujo(s) de trabajo
24/24	Pruebas presentes
16/16	Configuración de linter — .eslintrc.json, .flake8, ruff.toml
9.6/9.6	Hooks de pre-commit
0/6.4	.editorconfig
20/20	OpenSSF Scorecard: CI-Tests — 8 out of 8 merged PRs checked by a CI test -- score normalized to 10

Datos de entrada utilizados

has_ci	sí
has_tests	sí
has_editorconfig	no
has_linter_config	sí
has_precommit_config	sí

Documentación

90Excelente

Cómo se puntúa

30/30	README
25/25	Directorio de documentación
15/15	Sitio de documentación / página del proyecto — https://interpret.ml/docs
10/10	Descripción del repositorio
10/10	Topics — 19 topics
0/10	Wiki

Datos de entrada utilizados

topics	machine-learning, interpretability, gradient-boosting, blackbox, scikit-learn, xai, interpretml, interpretable-machine-learning, interpretable-ai, transparency, iml, interpretable-ml, explainable-ml, explainability, bias, ai, artificial-intelligence, explainable-ai, differential-privacy
has_wiki	no
homepage	https://interpret.ml/docs
docs_site	https://interpret.ml/docs
has_readme	sí
has_docs_dir	sí
has_description	sí

Seguridad

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

67Bueno · 16% del índice global

Postura de seguridad

59Moderado

Cómo se puntúa

7.5/7.5	Binary-Artifacts — no binaries found in the repo
0/7.5	Branch-Protection — branch protection not enabled on development/release branches
2.5/2.5	CI-Tests — 8 out of 8 merged PRs checked by a CI test -- score normalized to 10
0/2.5	CII-Best-Practices — no effort to earn an OpenSSF best practices badge detected
0.8/7.5	Code-Review — Found 4/26 approved changesets -- score normalized to 1
2.5/2.5	Contributors — project has 3 contributing companies or organizations -- score normalized to 10
10/10	Dangerous-Workflow — no dangerous workflow patterns detected
7.5/7.5	Dependency-Update-Tool — update tool detected
0/5	Fuzzing — project is not fuzzed
2.5/2.5	Licencia — license file detected
6.8/7.5	Maintained — 8 commit(s) and 3 issue activity found in the last 90 days -- score normalized to 9
5/5	Packaging — packaging workflow detected
0/5	Pinned-Dependencies — dependency not pinned by hash detected -- score normalized to 0
2.5/5	SAST — SAST tool is not run on all commits -- score normalized to 5
0/5	Security-Policy — security policy file not detected
0/7.5	Signed-Releases — sin datos
7.5/7.5	Token-Permissions — GitHub workflow tokens follow principle of least privilege
2.2/7.5	Vulnerabilities — 7 existing vulnerabilities detected

Datos de entrada utilizados

source	openssf_scorecard
checks_evaluated	17
scorecard_version	v5.5.0
checks_inconclusive	1
scorecard_aggregate	5,9

Excluidos de la puntuación (sin datos o no aplicable): Signed-Releases. Los pesos restantes se han renormalizado.

Avisos de dependencias

100Excepcional

Cómo se puntúa

35/35	Dependencias directas libres de avisos conocidos — ninguna dependencia directa tiene un aviso conocido
25/25	Dependencias indirectas libres de avisos conocidos — ninguna dependencia indirecta tiene un aviso conocido
0/40	Sin avisos pendientes — ningún aviso tiene fecha de publicación

Datos de entrada utilizados

source	osv
advisories	0
affected_packages	0
assessed_packages	78
unassessed_packages	0
affected_by_severity	none
direct_affected_packages	0

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:interpret@0.7.8 —lo que arrastra la instalación del paquete publicado—: 78 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.

80Excelente · 4% del índice global

Contexto y guía para agentes

52Moderado

Cómo se puntúa

45/45	Instrucciones para agentes — CLAUDE.md
0/15	Documentación legible por máquinas (llms.txt)
6.7/40	Historial de commits legible — 12 de 95 commits humanos declaran su intención (asunto estructurado o cuerpo explicativo)

Datos de entrada utilizados

has_llms_txt	no
llms_txt_url	—
legible_history_share	0,126
agent_instruction_files	CLAUDE.md
agent_instruction_max_bytes	11.853

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

88Excelente

Cómo se puntúa

18/18	Arranque con un solo comando — scripts/Makefile
22/22	Pruebas automatizadas
11/11	Configuración de lint / formato — .eslintrc.json, .flake8, ruff.toml
11/11	Verificación estática de tipos — C++ (tipado estático)
10/10	Entorno reproducible — Dockerfile
8/10	Práctica demostrada con agentes — 4 de los últimos 100 commits con autoría o crédito de agente
8/8	Mantenimiento automatizado — 3 de los últimos 100 commits son actualizaciones automáticas de dependencias
0/10	OpenSSF Scorecard: Pinned-Dependencies — dependency not pinned by hash detected -- score normalized to 0

Datos de entrada utilizados

has_nix	no
has_tests	sí
lockfiles	—
has_dockerfile	sí
typed_language	sí
bootstrap_files	scripts/Makefile
has_devcontainer	no
has_linter_config	sí
typecheck_configs	—
agent_commit_share	0,04
toolchain_manifests	—
dependency_bot_commit_share	0,03

Legibilidad del código para modelos

98Excepcional

Cómo se puntúa

45/45	Código verificable por tipos — C++ (tipado estático)
52.5/55	Tamaños de archivo manejables — 13/289 archivos fuente de más de 60 KB

Datos de entrada utilizados

primary_language	C++
largest_source_bytes	191.608
source_files_sampled	289
oversized_source_files	13

Interfaces legibles por máquina

100Excepcional

Cómo se puntúa

0/40	Esquema de API (OpenAPI/GraphQL/proto) — no aplicable a este tipo de software
0/20	Servidor MCP — no aplicable a este tipo de software
40/40	Ejemplos ejecutables — examples, notebooks

Datos de entrada utilizados

example_dirs	examples, notebooks
has_mcp_signal	no
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

6916estrellas de GitHub

49contribuidores

211commits en los últimos 12 meses

2días desde el último push

66versiones publicadas

1factor bus

42issues 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 ★ / 782 ⇿

0Estrellas

782Forks

66Versiones

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.

Mayor 0Menor 7Parche 59

Cada punto abarca 7 días.

OpenSSF Scorecard 5.9 / 10

5.9agregado

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 · 2026-08-12 22:34 UTC

10	Binary-Artifacts	no binaries found in the repo
0	Branch-Protection	branch protection not enabled on development/release branches
10	CI-Tests	8 out of 8 merged PRs checked by a CI test -- score normalized to 10
0	CII-Best-Practices	no effort to earn an OpenSSF best practices badge detected
1	Code-Review	Found 4/26 approved changesets -- score normalized to 1
10	Contributors	project has 3 contributing companies or organizations -- score normalized to 10
10	Dangerous-Workflow	no dangerous workflow patterns detected
10	Dependency-Update-Tool	update tool detected
0	Fuzzing	project is not fuzzed
10	License	license file detected
9	Maintained	8 commit(s) and 3 issue activity found in the last 90 days -- score normalized to 9
10	Packaging	packaging workflow detected
0	Pinned-Dependencies	dependency not pinned by hash detected -- score normalized to 0
5	SAST	SAST tool is not run on all commits -- score normalized to 5
0	Security-Policy	security policy file not detected
n/d	Signed-Releases	no releases found
10	Token-Permissions	GitHub workflow tokens follow principle of least privilege
3	Vulnerabilities	7 existing vulnerabilities detected

Dependencias directas 9

Registro	Paquete	Restricción de versión	Manifiesto
PyPI	SQLAlchemy	`>=1.4`	python/powerlift/pyproject.toml
PyPI	sqlalchemy-utils	`>=0.38`	python/powerlift/pyproject.toml
PyPI	tqdm	`—`	python/powerlift/pyproject.toml
PyPI	fastparquet	`—`	python/powerlift/pyproject.toml
PyPI	pandas	`—`	python/powerlift/pyproject.toml
PyPI	numpy	`—`	python/powerlift/pyproject.toml
PyPI	pytz	`—`	python/powerlift/pyproject.toml
npm	cytoscape	`^3.33.1`	shared/vis/package.json
npm	plotly.js-cartesian-dist-min	`^2.35.3`	shared/vis/package.json

Todas las dependencias 144

Conjunto completo de dependencias resueltas según el grafo de dependencias de GitHub: 7 paquetes directos y 137 indirectos (transitivos). El cierre transitivo es completo cuando el repositorio incluye un lockfile.

Registro	Paquete	Versión	Relación
npm	cytoscape	`^3.33.1`	directa
npm	plotly.js-cartesian-dist-min	`^2.35.3`	directa
PyPI	numpy	`—`	directa
PyPI	pandas	`—`	directa
PyPI	sqlalchemy	`—`	directa
PyPI	sqlalchemy	`2.0.48`	directa
PyPI	sqlalchemy-utils	`—`	directa
npm	@babel/core	`^7.29.0`	indirecta
npm	@babel/preset-env	`^7.29.0`	indirecta
npm	babel-loader	`^10.1.1`	indirecta
npm	css-loader	`^7.1.4`	indirecta
npm	eslint	`^9.39.4`	indirecta
npm	eslint-config-prettier	`^10.1.8`	indirecta
npm	eslint-plugin-prettier	`^5.5.5`	indirecta
npm	prettier	`^3.8.1`	indirecta
npm	sass	`^1.98.0`	indirecta
npm	sass-loader	`^16.0.7`	indirecta
npm	style-loader	`^4.0.0`	indirecta
npm	webpack	`^5.105.4`	indirecta
npm	webpack-cli	`^6.0.1`	indirecta
npm	webpack-dev-server	`^5.2.3`	indirecta
PyPI	accessible-pygments	`0.0.5`	indirecta
PyPI	alabaster	`0.7.16`	indirecta
PyPI	aplr	`—`	indirecta
PyPI	asttokens	`3.0.1`	indirecta
PyPI	attrs	`25.4.0`	indirecta
PyPI	babel	`2.18.0`	indirecta
PyPI	beautifulsoup4	`4.14.3`	indirecta
PyPI	certifi	`2026.2.25`	indirecta
PyPI	charset-normalizer	`3.4.5`	indirecta
PyPI	click	`8.3.1`	indirecta
PyPI	comm	`0.2.3`	indirecta
PyPI	dash	`—`	indirecta
PyPI	dash-cytoscape	`—`	indirecta
PyPI	debugpy	`1.8.20`	indirecta
PyPI	decorator	`5.2.1`	indirecta
PyPI	docutils	`0.18.1`	indirecta
PyPI	dotsi	`—`	indirecta
PyPI	exceptiongroup	`1.3.1`	indirecta
PyPI	executing	`2.2.1`	indirecta
PyPI	fastjsonschema	`2.21.2`	indirecta
PyPI	flask	`—`	indirecta
PyPI	gevent	`—`	indirecta
PyPI	greenlet	`3.3.2`	indirecta
PyPI	idna	`3.15`	indirecta
PyPI	imagesize	`2.0.0`	indirecta
PyPI	importlib-metadata	`8.7.1`	indirecta
PyPI	interpret-core	`0.7.8`	indirecta
PyPI	ipykernel	`7.2.0`	indirecta
PyPI	ipython	`—`	indirecta
PyPI	ipython	`8.38.0`	indirecta
PyPI	ipywidgets	`—`	indirecta
PyPI	jedi	`0.19.2`	indirecta
PyPI	jinja2	`3.1.6`	indirecta
PyPI	joblib	`—`	indirecta
PyPI	jsonschema	`4.26.0`	indirecta
PyPI	jsonschema-specifications	`2025.9.1`	indirecta
PyPI	jupyter-book	`0.15.1`	indirecta
PyPI	jupyter-cache	`0.6.1`	indirecta
PyPI	jupyter-client	`8.8.0`	indirecta
PyPI	jupyter-core	`5.9.1`	indirecta
PyPI	latexcodec	`3.0.1`	indirecta
PyPI	lime	`—`	indirecta
PyPI	linkify-it-py	`2.0.3`	indirecta
PyPI	markdown-it-py	`2.2.0`	indirecta
PyPI	markupsafe	`3.0.3`	indirecta
PyPI	matplotlib	`—`	indirecta
PyPI	matplotlib-inline	`0.2.1`	indirecta
PyPI	mdit-py-plugins	`0.3.5`	indirecta
PyPI	mdurl	`0.1.2`	indirecta
PyPI	myst-nb	`0.17.2`	indirecta
PyPI	myst-parser	`0.18.1`	indirecta
PyPI	nbclient	`0.7.4`	indirecta
PyPI	nbconvert	`—`	indirecta
PyPI	nbformat	`—`	indirecta
PyPI	nbformat	`5.10.4`	indirecta
PyPI	nest-asyncio	`1.6.0`	indirecta
PyPI	openml	`—`	indirecta
PyPI	packaging	`26.0`	indirecta
PyPI	parso	`0.8.6`	indirecta
PyPI	pexpect	`4.9.0`	indirecta
PyPI	platformdirs	`4.9.4`	indirecta
PyPI	plotly	`—`	indirecta
PyPI	pmlb	`—`	indirecta
PyPI	prompt-toolkit	`3.0.52`	indirecta
PyPI	psutil	`—`	indirecta
PyPI	psutil	`7.2.2`	indirecta
PyPI	psycopg2	`—`	indirecta
PyPI	ptyprocess	`0.7.0`	indirecta
PyPI	pure-eval	`0.2.3`	indirecta
PyPI	pybtex	`0.25.1`	indirecta
PyPI	pybtex-docutils	`1.0.3`	indirecta
PyPI	pydata-sphinx-theme	`0.15.4`	indirecta
PyPI	pygments	`2.20.0`	indirecta
PyPI	pytest	`—`	indirecta
PyPI	pytest-cov	`—`	indirecta
PyPI	pytest-xdist	`—`	indirecta
PyPI	python-dateutil	`2.9.0.post0`	indirecta
PyPI	pyyaml	`6.0.3`	indirecta
PyPI	pyzmq	`27.1.0`	indirecta
PyPI	referencing	`0.37.0`	indirecta
PyPI	requests	`—`	indirecta
PyPI	requests	`2.33.0`	indirecta
PyPI	rpds-py	`0.30.0`	indirecta
PyPI	salib	`—`	indirecta
PyPI	scikit-learn	`—`	indirecta
PyPI	scipy	`—`	indirecta
PyPI	seaborn	`—`	indirecta
PyPI	selenium	`—`	indirecta
PyPI	setuptools	`—`	indirecta
PyPI	shap	`—`	indirecta
PyPI	six	`1.17.0`	indirecta
PyPI	skope-rules	`—`	indirecta
PyPI	snowballstemmer	`3.0.1`	indirecta
PyPI	soupsieve	`2.8.3`	indirecta
PyPI	sphinx	`5.0.2`	indirecta
PyPI	sphinx-book-theme	`1.0.1`	indirecta
PyPI	sphinx-comments	`0.0.3`	indirecta
PyPI	sphinx-copybutton	`0.5.2`	indirecta
PyPI	sphinx-design	`0.3.0`	indirecta
PyPI	sphinx-external-toc	`0.3.1`	indirecta
PyPI	sphinx-jupyterbook-latex	`0.5.2`	indirecta
PyPI	sphinx-multitoc-numbering	`0.1.3`	indirecta
PyPI	sphinx-thebe	`0.2.1`	indirecta
PyPI	sphinx-togglebutton	`0.4.4`	indirecta
PyPI	sphinxcontrib-applehelp	`2.0.0`	indirecta
PyPI	sphinxcontrib-bibtex	`2.5.0`	indirecta
PyPI	sphinxcontrib-devhelp	`2.0.0`	indirecta
PyPI	sphinxcontrib-htmlhelp	`2.1.0`	indirecta
PyPI	sphinxcontrib-jsmath	`1.0.1`	indirecta
PyPI	sphinxcontrib-qthelp	`2.0.0`	indirecta
PyPI	sphinxcontrib-serializinghtml	`2.0.0`	indirecta
PyPI	stack-data	`0.6.3`	indirecta
PyPI	tabulate	`0.10.0`	indirecta
PyPI	tornado	`6.5.5`	indirecta
PyPI	traitlets	`5.14.3`	indirecta
PyPI	treeinterpreter	`—`	indirecta
PyPI	typing-extensions	`4.15.0`	indirecta
PyPI	uc-micro-py	`2.0.0`	indirecta
PyPI	urllib3	`2.7.0`	indirecta
PyPI	wcwidth	`0.6.0`	indirecta
PyPI	wheel	`0.46.3`	indirecta
PyPI	xlsxwriter	`—`	indirecta
PyPI	zipp	`3.23.0`	indirecta

Avisos de dependencias 0

Instalar pypi:interpret@0.7.8 arrastra 78 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.

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 v0.31.0 — metodología completa · wiki de métricas.

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

Índice de salud del software

Perfil de puntuación

Titularidad

Ecosistemas de paquetes

Métricas por categoría

Datos clave

Advertencias de recopilación de datos

Más detalle

Comentarios

Registros relacionados