Registro público
Informe de salud del softwareesquema 0.11.0 · métricas 2.10.0 · 2026-07-17 08:00 UTC

koaning / scikit-lego

Extra blocks for scikit-learn pipelines.

PythonMIT★ 1408 estrellas⑂ 126 forksdesde ene 2019Ver en GitHub ↗
TipoBibliotecacómo se determina
#scikit-learn#machine-learning#common-sense

koaning/scikit-lego tiene un índice de salud de 87 sobre 100, lo que lo sitúa en la banda Excelente. Su puntuación más alta es Engineering Quality (96/100) y la más baja, AI Readiness (44/100). Se actualizó por última vez hace 6 días. Una sola persona concentra la mayor parte del trabajo reciente.

87
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.

87
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 73 se calibra a 87 en la escala publicada del índice (calibración del registro 2026-08-02).

Titularidad

vincent d warmerdam Cuenta personal
2786 seguidores331 repositorios públicosdesde sept 2011@marimo-team

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
PyPIscikit-lego0.9.9-58hace 11 días

Métricas por categoría

Vitalidad

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

75Bueno · 21% del índice global

Actividad de desarrollo

64Moderado
Cómo se puntúa
36/36Recencia de push — último push hace 6 días
9/36Cadencia de commits — 13/52 semanas con commits
13.1/18Volumen de commits — 28 commits en el último año
6/10OpenSSF Scorecard: Maintained — 8 commit(s) and 0 issue activity found in the last 90 days -- score normalized to 6
Datos de entrada utilizados
commits_last_year28
human_commit_share—
days_since_last_push6
active_weeks_last_year13

Disciplina de publicación

92Excelente
Cómo se puntúa
27/27Publica versiones — 47 versiones publicadas
36/36Recencia de las versiones — última versión hace 11 días
19.8/27Cadencia de publicación — una versión cada ~93,2 días
0/10OpenSSF Scorecard: Signed-Releases — sin datos
Datos de entrada utilizados
releases_count47
latest_release_tagv0.9.9
releases_from_tagsno
days_since_latest_release11
mean_days_between_releases93,2
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

76Bueno
Cómo se puntúa
51.1/60Estrellas — 1408 estrellas
17.5/25Forks — 126 forks
7/15Observadores — 19 observadores
Datos de entrada utilizados
forks126
stars1408
watchers19
growth_stateunverified
growth_factor_pct100
growth_unverified_reasonno_history

Salud de la comunidad

72Bueno
Cómo se puntúa
22.5/22.5README
22.5/22.5Licencia — licencia reconocida (MIT)
0/18Guía 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_contributingno
has_issue_templateno
has_code_of_conductsí
readme_badge_services—
has_pull_request_templatesí

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)

43Débil
Cómo se puntúa
9/54Factor bus — la mitad de los commits recae en 1 contribuyente(s)
10.7/22.5Distribución de commits — el principal contribuyente firma el 52% de los commits
13.5/13.5Amplitud de contribuyentes — 62 contribuyentes
10/10OpenSSF Scorecard: Contributors — project has 5 contributing companies or organizations
Datos de entrada utilizados
bus_factor1
contributors_sampled62
top_contributor_share0,525

Capacidad de respuesta a issues y PR

81Excelente
Cómo se puntúa
38.5/42Resolución de issues — 92% de issues cerradas
24.5/30Aceptación de PR — 384/470 PR decididos fusionados
0/13Newcomer PR acceptance — ningún PR de un contribuyente primerizo decidido en 30 d
7.5/15OpenSSF Scorecard: Code-Review — Found 14/24 approved changesets -- score normalized to 5
Datos de entrada utilizados
merged_prs384
open_issues28
closed_issues306
prs_merged_7d—
prs_decided_7d—
prs_merged_30d—
prs_decided_30d—
issue_closed_ratio0,916
closed_unmerged_prs86
first_time_authors_30d—
first_time_prs_merged_30d—
first_time_prs_decided_30d—
Excluidos de la puntuación (sin datos o no aplicable): Newcomer PR acceptance. Los pesos restantes se han renormalizado.

Propiedad y custodia

75Bueno
Cómo se puntúa
10/30Respaldo de la propiedad — cuenta personal (usuario)
0/20Dominio verificado — no aplicable a cuentas de usuario
24.8/25Alcance del propietario — 2786 seguidores de koaning
25/25Trayectoria — 331 repos públicos, cuenta de ~14 años
Datos de entrada utilizados
followers2786
owner_typeUser
is_verified—
owner_loginkoaning
public_repos331
account_age_days5432
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
packagesscikit-lego
ecosystemspypi
any_deprecatedno
min_days_since_publish11

Calidad de Ingeniería

¿Existen unas prácticas mínimas de ingeniería y documentación?

96Excepcional · 19% del índice global

Prácticas de ingeniería

94Excepcional
Cómo se puntúa
24/24Flujos de trabajo de CI — 4 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 — 26 out of 26 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

100Excepcional
Cómo se puntúa
30/30README
25/25Directorio de documentación
15/15Sitio de documentación / página del proyecto — https://koaning.github.io/scikit-lego/
10/10Descripción del repositorio
10/10Topics — 3 topics
10/10Wiki
Datos de entrada utilizados
topicsscikit-learn, machine-learning, common-sense
has_wikisí
homepagehttps://koaning.github.io/scikit-lego/
docs_sitehttps://koaning.github.io/scikit-lego/
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?

48Débil · 16% del índice global

Postura de seguridad

48Débil
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 — 26 out of 26 merged PRs checked by a CI test -- score normalized to 10
0/2.5CII-Best-Practices — no effort to earn an OpenSSF best practices badge detected
3.8/7.5Code-Review — Found 14/24 approved changesets -- score normalized to 5
2.5/2.5Contributors — project has 5 contributing companies or organizations
10/10Dangerous-Workflow — no dangerous workflow patterns detected
7.5/7.5Dependency-Update-Tool — update tool detected
0/5Fuzzing — project is not fuzzed
2.5/2.5Licencia — license file detected
4.5/7.5Maintained — 8 commit(s) and 0 issue activity found in the last 90 days -- score normalized to 6
0/5Packaging — 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 — sin datos
0/7.5Token-Permissions — detected GitHub workflow tokens with excessive permissions
0/7.5Vulnerabilities — 34 existing vulnerabilities detected
Datos de entrada utilizados
sourceopenssf_scorecard
checks_evaluated15
scorecard_versionv5.5.0
checks_inconclusive3
scorecard_aggregate4,8
Excluidos de la puntuación (sin datos o no aplicable): Branch-Protection, Packaging, 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.

44Débil · 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)

73Bueno
Cómo se puntúa
18/18Arranque con un solo comando — Makefile, docs/Makefile
22/22Pruebas automatizadas
11/11Configuración 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, docs/Makefile
has_devcontainerno
has_linter_configsí
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

55Moderado
Cómo se puntúa
0/45Código verificable por tipos — Python sin configuración de verificación de tipos
55/55Tamaños de archivo manejables — 0/136 archivos fuente de más de 60 KB
Datos de entrada utilizados
primary_languagePython
largest_source_bytes56.157
source_files_sampled136
oversized_source_files0

Datos clave

1408estrellas de GitHub
62contribuidores
28commits en los últimos 12 meses
6días desde el último push
47versiones publicadas
1factor bus
28issues abiertas
PyPIecosistemas de paquetes

Más detalle

OpenSSF Scorecard 4.8 / 10
4.8agregado

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 08:00 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-Tests26 out of 26 merged PRs checked by a CI test -- score normalized to 10
0CII-Best-Practicesno effort to earn an OpenSSF best practices badge detected
5Code-ReviewFound 14/24 approved changesets -- score normalized to 5
10Contributorsproject has 5 contributing companies or organizations
10Dangerous-Workflowno dangerous workflow patterns detected
10Dependency-Update-Toolupdate tool detected
0Fuzzingproject is not fuzzed
10Licenselicense file detected
6Maintained8 commit(s) and 0 issue activity found in the last 90 days -- score normalized to 6
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
n/dSigned-Releasesno releases found
0Token-Permissionsdetected GitHub workflow tokens with excessive permissions
0Vulnerabilities34 existing vulnerabilities detected
Dependencias directas 4
RegistroPaqueteRestricción de versiónManifiesto
PyPInarwhals>=1.5.0pyproject.toml
PyPIpandas>=1.1.5pyproject.toml
PyPIscikit-learn>=1.0pyproject.toml
PyPIsklearn-compat>=0.1.3pyproject.toml
Todas las dependencias 177

Conjunto completo de dependencias resueltas según el grafo de dependencias de GitHub: 4 paquetes directos y 173 indirectos (transitivos). El cierre transitivo es completo cuando el repositorio incluye un lockfile.

RegistroPaqueteVersiónRelación
PyPInarwhals2.8.0directa
PyPIpandas2.3.3directa
PyPIscikit-learn1.7.2directa
PyPIsklearn-compat0.1.4directa
PyPIanyio4.11.0indirecta
PyPIappnope0.1.4indirecta
PyPIargon2-cffi25.1.0indirecta
PyPIargon2-cffi-bindings25.1.0indirecta
PyPIarrow1.3.0indirecta
PyPIasttokens3.0.0indirecta
PyPIasync-lru2.0.5indirecta
PyPIattrs25.4.0indirecta
PyPIbabel2.17.0indirecta
PyPIbackrefs5.9indirecta
PyPIbeautifulsoup44.14.2indirecta
PyPIbleach6.2.0indirecta
PyPIcertifi2025.10.5indirecta
PyPIcffi2.0.0indirecta
PyPIcfgv3.4.0indirecta
PyPIcharset-normalizer3.4.3indirecta
PyPIclarabel0.11.1indirecta
PyPIclick8.3.0indirecta
PyPIcmake4.1.0indirecta
PyPIcolorama0.4.6indirecta
PyPIcomm0.2.3indirecta
PyPIcontourpy1.3.2indirecta
PyPIcontourpy1.3.3indirecta
PyPIcoverage7.10.7indirecta
PyPIcvxpy1.7.3indirecta
PyPIcycler0.12.1indirecta
PyPIdebugpy1.8.17indirecta
PyPIdecorator5.2.1indirecta
PyPIdefusedxml0.7.1indirecta
PyPIdistlib0.4.0indirecta
PyPIexceptiongroup1.3.0indirecta
PyPIexecnet2.1.1indirecta
PyPIexecuting2.2.1indirecta
PyPIfastjsonschema2.21.2indirecta
PyPIfilelock3.25.2indirecta
PyPIfonttools4.62.1indirecta
PyPIformulaic1.2.1indirecta
PyPIfqdn1.5.1indirecta
PyPIghp-import2.1.0indirecta
PyPIgriffe1.14.0indirecta
PyPIh110.16.0indirecta
PyPIhttpcore1.0.9indirecta
PyPIhttpx0.28.1indirecta
PyPIidentify2.6.15indirecta
PyPIidna3.11indirecta
PyPIiniconfig2.1.0indirecta
PyPIinterface-meta1.3.0indirecta
PyPIipykernel6.30.1indirecta
PyPIipython8.37.0indirecta
PyPIipython9.6.0indirecta
PyPIipython-pygments-lexers1.1.1indirecta
PyPIipywidgets8.1.7indirecta
PyPIisoduration20.11.0indirecta
PyPIjedi0.19.2indirecta
PyPIjinja23.1.6indirecta
PyPIjoblib1.5.2indirecta
PyPIjson50.12.1indirecta
PyPIjsonpointer3.0.0indirecta
PyPIjsonschema4.25.1indirecta
PyPIjsonschema-specifications2025.9.1indirecta
PyPIjupyter1.1.1indirecta
PyPIjupyter-client8.6.3indirecta
PyPIjupyter-console6.6.3indirecta
PyPIjupyter-core5.8.1indirecta
PyPIjupyter-events0.12.0indirecta
PyPIjupyter-lsp2.3.0indirecta
PyPIjupyter-server2.18.2indirecta
PyPIjupyter-server-terminals0.5.3indirecta
PyPIjupyterlab4.5.9indirecta
PyPIjupyterlab-pygments0.3.0indirecta
PyPIjupyterlab-server2.28.0indirecta
PyPIjupyterlab-widgets3.0.15indirecta
PyPIkiwisolver1.4.9indirecta
PyPIlark1.3.0indirecta
PyPIllvmlite0.45.1indirecta
PyPImarkdown3.9indirecta
PyPImarkupsafe3.0.3indirecta
PyPImatplotlib3.10.7indirecta
PyPImatplotlib-inline0.1.7indirecta
PyPImergedeep1.3.4indirecta
PyPImistune3.2.1indirecta
PyPImkdocs1.6.1indirecta
PyPImkdocs-autorefs1.4.3indirecta
PyPImkdocs-get-deps0.2.0indirecta
PyPImkdocs-material9.6.21indirecta
PyPImkdocs-material-extensions1.3.1indirecta
PyPImkdocstrings0.30.1indirecta
PyPImkdocstrings-python1.18.2indirecta
PyPInbclient0.10.2indirecta
PyPInbconvert7.17.1indirecta
PyPInbformat5.10.4indirecta
PyPInest-asyncio1.6.0indirecta
PyPInodeenv1.9.1indirecta
PyPInotebook7.5.7indirecta
PyPInotebook-shim0.2.4indirecta
PyPInumba0.62.1indirecta
PyPInumpy1.26.4indirecta
PyPIosqp1.0.4indirecta
PyPIoverrides7.7.0indirecta
PyPIpackaging25.0indirecta
PyPIpaginate0.5.7indirecta
PyPIpandocfilters1.5.1indirecta
PyPIparso0.8.5indirecta
PyPIpathspec0.12.1indirecta
PyPIpexpect4.9.0indirecta
PyPIpillow12.2.0indirecta
PyPIplatformdirs4.5.0indirecta
PyPIpluggy1.6.0indirecta
PyPIpolars1.34.0indirecta
PyPIpolars-runtime-321.34.0indirecta
PyPIpre-commit4.3.0indirecta
PyPIprometheus-client0.23.1indirecta
PyPIprompt-toolkit3.0.52indirecta
PyPIpsutil7.1.0indirecta
PyPIptyprocess0.7.0indirecta
PyPIpure-eval0.2.3indirecta
PyPIpyarrow21.0.0indirecta
PyPIpycparser2.23indirecta
PyPIpygments2.20.0indirecta
PyPIpymdown-extensions10.16.1indirecta
PyPIpynndescent0.5.13indirecta
PyPIpyparsing3.2.5indirecta
PyPIpytest9.0.3indirecta
PyPIpytest-cov7.0.0indirecta
PyPIpytest-mock3.15.1indirecta
PyPIpytest-xdist3.8.0indirecta
PyPIpython-dateutil2.9.0.post0indirecta
PyPIpython-discovery1.2.1indirecta
PyPIpython-json-logger4.0.0indirecta
PyPIpytz2025.2indirecta
PyPIpywin32311indirecta
PyPIpywinpty3.0.2indirecta
PyPIpyyaml6.0.3indirecta
PyPIpyyaml-env-tag1.1indirecta
PyPIpyzmq27.1.0indirecta
PyPIreferencing0.36.2indirecta
PyPIrequests2.33.1indirecta
PyPIrfc3339-validator0.1.4indirecta
PyPIrfc3986-validator0.1.1indirecta
PyPIrfc3987-syntax1.1.0indirecta
PyPIrpds-py0.27.1indirecta
PyPIruff0.15.10indirecta
PyPIscikit-lego0.9.9indirecta
PyPIscipy1.15.3indirecta
PyPIscipy1.16.2indirecta
PyPIscs3.2.9indirecta
PyPIsend2trash1.8.3indirecta
PyPIsetuptools80.9.0indirecta
PyPIsix1.17.0indirecta
PyPIsniffio1.3.1indirecta
PyPIsoupsieve2.8indirecta
PyPIstack-data0.6.3indirecta
PyPIterminado0.18.1indirecta
PyPIthreadpoolctl3.6.0indirecta
PyPItinycss21.4.0indirecta
PyPItomli2.3.0indirecta
PyPItornado6.5.5indirecta
PyPItqdm4.67.1indirecta
PyPItraitlets5.14.3indirecta
PyPItypes-python-dateutil2.9.0.20251008indirecta
PyPItyping-extensions4.15.0indirecta
PyPItzdata2025.2indirecta
PyPIumap-learn0.5.9.post2indirecta
PyPIuri-template1.3.0indirecta
PyPIurllib32.6.3indirecta
PyPIvirtualenv21.2.0indirecta
PyPIwatchdog6.0.0indirecta
PyPIwcwidth0.2.14indirecta
PyPIwebcolors24.11.1indirecta
PyPIwebencodings0.5.1indirecta
PyPIwebsocket-client1.9.0indirecta
PyPIwidgetsnbextension4.0.14indirecta
PyPIwrapt1.17.3indirecta
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 koaning/scikit-lego. Leer en paralelo →

100onnx/onnxOpen standard for machine learning interoperabilityExcepcional100microsoft/onnxruntimeONNX Runtime: cross-platform, high performance ML inferencing and training acceleratorExcepcional98autogluon/autogluonFast and Accurate ML in 3 Lines of CodeExcepcional98sktime/sktimeA unified framework for machine learning with time seriesExcepcional96microsoft/FLAMLA fast library for AutoML and tuning. Join our Discord: https://discord.gg/Cppx2vSPVP.Excepcional92interpretml/interpretFit interpretable models. Explain blackbox machine learning. Excelente

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 v0.11.0 — metodología completa · wiki de métricas.

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