Informe de salud del softwareesquema 0.34.0 · métricas 2.10.0 · 2026-09-16 21:05 UTC

lightgbm-org / LightGBM

A fast, distributed, high performance gradient boosting (GBT, GBDT, GBRT, GBM or MART) framework based on decision tree algorithms, used for ranking, classification and many other machine learning tasks.

C++ · Python · RMIT★ 18.770 estrellas⑂ 4071 forksdesde ago 2016Ver en GitHub ↗

TipoBibliotecacómo se determina

#gbdt #gbm #machine-learning #data-mining #distributed #lightgbm #gbrt #decision-trees #gradient-boosting #python #parallel #kaggle

lightgbm-org/LightGBM tiene un índice de salud de 34 sobre 100, lo que lo sitúa en la banda En riesgo. Su puntuación más alta es Engineering Quality (96/100) y la más baja, Security (47/100). Se actualizó por última vez hace 3 días. 2 personas concentran la mayor parte del trabajo reciente.

global / 100

En riesgo

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 80 se calibra a 94 en la escala publicada del índice (calibración del registro 2026-08-02). La Política de Jurisdicciones de Alto Riesgo aplica un multiplicador del 50% a la salud global ponderada y le da un límite «En riesgo» de 34.

Titularidad

lightgbm-orgOrganización

23 seguidores2 repositorios públicosdesde mar 2026

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
PyPI	lightgbm	4.7.0	19.915.817	38	hace 60 días

Métricas por categoría

Vitalidad

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

89Excelente · 21% del índice global

Actividad de desarrollo

97Excepcional

Cómo se puntúa

36/36	Recencia de push — último push hace 3 días
33.2/36	Cadencia de commits — 48/52 semanas con commits
18/18	Volumen de commits — 173 commits en el último año
10/10	OpenSSF Scorecard: Maintained — 30 commit(s) and 12 issue activity found in the last 90 days -- score normalized to 10

Datos de entrada utilizados

commits_last_year	173
human_commit_share	0,93
days_since_last_push	3
active_weeks_last_year	48

Disciplina de publicación

76Bueno

Cómo se puntúa

27/27	Publica versiones — 35 versiones publicadas
36/36	Recencia de las versiones — última versión hace 60 días
12.6/27	Cadencia de publicación — una versión cada ~143,4 días
0/10	OpenSSF Scorecard: Signed-Releases — Project has not signed or included provenance with any releases.

Datos de entrada utilizados

releases_count	35
latest_release_tag	v4.7.0
releases_from_tags	no
days_since_latest_release	60
mean_days_between_releases	143,4

Comunidad y Adopción

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

95Excepcional · 17% del índice global

Popularidad y adopción

100Excepcional

Cómo se puntúa

60/60	Estrellas — 18.770 estrellas
25/25	Forks — 4071 forks
14.6/15	Observadores — 422 observadores

Datos de entrada utilizados

forks	4071
stars	18.770
watchers	422
growth_state	unverified
growth_factor_pct	100
growth_unverified_reason	no_history

Salud de la comunidad

85Excelente

Cómo se puntúa

22.5/22.5	README
22.5/22.5	Licencia — licencia reconocida (MIT)
18/18	Guía CONTRIBUTING
13.5/13.5	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	17
has_contributing	sí
has_issue_template	no
has_code_of_conduct	sí
readme_badge_services	ci.appveyor.com, github.com, readthedocs.org, shields.io
has_pull_request_template	no

Adopción en el ecosistema (descargas)

100Excepcional

Cómo se puntúa

80/80	Descargas mensuales — 19.915.817 descargas/mes en pypi
0/20	Dependientes en el registro — no lo informa este ecosistema

Datos de entrada utilizados

packages	lightgbm
dependents	—
ecosystems	pypi
total_downloads	—
monthly_downloads	19.915.817
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)

65Bueno

Cómo se puntúa

25.2/54	Factor bus — la mitad de los commits recae en 2 contribuyente(s)
16.5/22.5	Distribución de commits — el principal contribuyente firma el 27% de los commits
13.5/13.5	Amplitud de contribuyentes — 99 contribuyentes
10/10	OpenSSF Scorecard: Contributors — project has 39 contributing companies or organizations

Datos de entrada utilizados

bus_factor	2
contributors_sampled	99
top_contributor_share	0,267

Capacidad de respuesta a issues y PR

85Excelente

Cómo se puntúa

36.9/42	Resolución de issues — 88% de issues cerradas
26.7/30	Aceptación de PR — 3250/3649 PR decididos fusionados
7.8/13	Newcomer PR acceptance — 6/10 PR de contribuyentes primerizos fusionados en 30 d
13.5/15	OpenSSF Scorecard: Code-Review — Found 27/28 approved changesets -- score normalized to 9

Datos de entrada utilizados

merged_prs	3250
open_issues	447
closed_issues	3242
prs_merged_7d	2
prs_decided_7d	2
prs_merged_30d	19
prs_decided_30d	23
issue_closed_ratio	0,879
closed_unmerged_prs	399
first_time_authors_30d	9
first_time_prs_merged_30d	6
first_time_prs_decided_30d	10

Propiedad y custodia

44Débil

Cómo se puntúa

30/30	Respaldo de la propiedad — propiedad de una organización
0/20	Dominio verificado
9.9/25	Alcance del propietario — 23 seguidores de lightgbm-org
4.5/25	Trayectoria — 2 repos públicos, cuenta de ~0 años

Datos de entrada utilizados

followers	23
owner_type	Organization
is_verified	no
owner_login	lightgbm-org
public_repos	2
account_age_days	193

Mantenimiento de paquetes

100Excepcional

Cómo se puntúa

25/25	Publicado y resoluble — 1 paquete(s) en pypi
35/35	Recencia de publicación — última publicación hace 60 días
20/20	Historial de versiones — 38 versiones en el registro
20/20	No obsoleto — activo, ni obsoleto ni retirado

Datos de entrada utilizados

packages	lightgbm
ecosystems	pypi
any_deprecated	no
min_days_since_publish	60

Calidad de Ingeniería

¿Existen unas prácticas mínimas de ingeniería y documentación?

96Excepcional · 19% del índice global

Prácticas de ingeniería

100Excepcional

Cómo se puntúa

24/24	Flujos de trabajo de CI — 15 flujo(s) de trabajo
24/24	Pruebas presentes
16/16	Configuración de linter — biome.json, python-package/pyproject.toml ([tool.ruff])
9.6/9.6	Hooks de pre-commit
6.4/6.4	.editorconfig
20/20	OpenSSF Scorecard: CI-Tests — 29 out of 29 merged PRs checked by a CI test -- score normalized to 10

Datos de entrada utilizados

has_ci	sí
has_tests	sí
has_editorconfig	sí
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://lightgbm.readthedocs.io/en/latest/
10/10	Descripción del repositorio
10/10	Topics — 13 topics
0/10	Wiki

Datos de entrada utilizados

topics	gbdt, gbm, machine-learning, data-mining, distributed, lightgbm, gbrt, decision-trees, gradient-boosting, python, r, parallel, kaggle
has_wiki	no
homepage	https://lightgbm.readthedocs.io/en/latest/
docs_site	https://lightgbm.readthedocs.io/en/latest/
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?

47Débil · 16% del índice global

Postura de seguridad

34En riesgo

Alerta de riesgo jurisdiccional

Exposición a una jurisdicción de alto riesgo detectada

1 perfiles de contribuidores principalesRussia

Se basa en ubicaciones públicas declaradas por los propios perfiles. Esta señal de gobernanza no determina nacionalidad, ciudadanía, intención, sanciones ni la fiabilidad de una persona.

Cómo se evalúa la exposición jurisdiccional

Cómo se puntúa

7.5/7.5	Binary-Artifacts — no binaries found in the repo
0/7.5	Branch-Protection — sin datos
2.5/2.5	CI-Tests — 29 out of 29 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
6.8/7.5	Code-Review — Found 27/28 approved changesets -- score normalized to 9
2.5/2.5	Contributors — project has 39 contributing companies or organizations
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
7.5/7.5	Maintained — 30 commit(s) and 12 issue activity found in the last 90 days -- score normalized to 10
5/5	Packaging — packaging workflow detected
2/5	Pinned-Dependencies — dependency not pinned by hash detected -- score normalized to 4
0/5	SAST — SAST tool is not run on all commits -- score normalized to 0
5/5	Security-Policy — security policy file detected
0/7.5	Signed-Releases — Project has not signed or included provenance with any releases.
7.5/7.5	Token-Permissions — GitHub workflow tokens follow principle of least privilege
3/7.5	Vulnerabilities — 6 existing vulnerabilities detected

Datos de entrada utilizados

source	openssf_scorecard
checks_evaluated	17
scorecard_version	v5.5.0
checks_inconclusive	1
scorecard_aggregate	7,1
high_risk_jurisdiction_cap	34
high_risk_jurisdiction_multiplier	50
security_posture_after_multiplier	36
security_posture_before_jurisdiction	71

Excluidos de la puntuación (sin datos o no aplicable): Branch-Protection. Los pesos restantes se han renormalizado. La Política de Jurisdicciones de Alto Riesgo aplica un multiplicador del 50% y da a la postura de seguridad un límite «En riesgo» de 34.

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	3
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:lightgbm@4.7.0 —lo que arrastra la instalación del paquete publicado—: 3 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.

75Bueno · 4% del índice global

Contexto y guía para agentes

38Débil

Cómo se puntúa

0/45	Instrucciones para agentes — sin CLAUDE.md / AGENTS.md / reglas de editor
0/15	Documentación legible por máquinas (llms.txt)
38.4/40	Historial de commits legible — 67 de 93 commits humanos declaran su intención (asunto estructurado o cuerpo explicativo)

Datos de entrada utilizados

has_llms_txt	no
llms_txt_url	—
legible_history_share	0,72
agent_instruction_files	—
agent_instruction_max_bytes	—

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

84Excelente

Cómo se puntúa

18/18	Arranque con un solo comando — docs/Makefile
22/22	Pruebas automatizadas
11/11	Configuración de lint / formato — biome.json, python-package/pyproject.toml ([tool.ruff])
11/11	Verificación estática de tipos — python-package/lightgbm/py.typed
10/10	Entorno reproducible — Dockerfile
0/10	Práctica demostrada con agentes — ningún commit con autoría de agente entre los últimos 100
8/8	Mantenimiento automatizado — 7 de los últimos 100 commits son actualizaciones automáticas de dependencias
4/10	OpenSSF Scorecard: Pinned-Dependencies — dependency not pinned by hash detected -- score normalized to 4

Datos de entrada utilizados

has_nix	no
has_tests	sí
lockfiles	—
has_dockerfile	sí
typed_language	sí
bootstrap_files	docs/Makefile
has_devcontainer	no
has_linter_config	sí
typecheck_configs	python-package/lightgbm/py.typed
agent_commit_share	0
toolchain_manifests	—
dependency_bot_commit_share	0,07

Legibilidad del código para modelos

97Excepcional

Cómo se puntúa

45/45	Código verificable por tipos — C++ (tipado estático)
51.9/55	Tamaños de archivo manejables — 12/216 archivos fuente de más de 60 KB

Datos de entrada utilizados

primary_language	C++
largest_source_bytes	211.642
source_files_sampled	216
oversized_source_files	12

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

18.770estrellas de GitHub

99contribuidores

173commits en los últimos 12 meses

3días desde el último push

35versiones publicadas

2factor bus

447issues abiertas

PyPIecosistemas de paquetes

Advertencias de recopilación de datos

Star history unavailable: GitHub GraphQL error: Resource not accessible by personal access token
First-time contributor figures cover 12 of 14 authors (cap 12)

Más detalle

Historial de estrellas y forks 0 ★ / 4071 ⇿

0Estrellas

4071Forks

14Versiones

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

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

Mayor 1Menor 8Parche 5

Cada punto abarca 5 días.

OpenSSF Scorecard 7.1 / 10

7.1agregado

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 · 2026-09-16 21:04 UTC

10	Binary-Artifacts	no binaries found in the repo
n/d	Branch-Protection	internal 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
10	CI-Tests	29 out of 29 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
9	Code-Review	Found 27/28 approved changesets -- score normalized to 9
10	Contributors	project has 39 contributing companies or organizations
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
10	Maintained	30 commit(s) and 12 issue activity found in the last 90 days -- score normalized to 10
10	Packaging	packaging workflow detected
4	Pinned-Dependencies	dependency not pinned by hash detected -- score normalized to 4
0	SAST	SAST tool is not run on all commits -- score normalized to 0
10	Security-Policy	security policy file detected
0	Signed-Releases	Project has not signed or included provenance with any releases.
10	Token-Permissions	GitHub workflow tokens follow principle of least privilege
4	Vulnerabilities	6 existing vulnerabilities detected

Dependencias directas 3

Registro	Paquete	Restricción de versión	Manifiesto
PyPI	narwhals	`>=1.15`	python-package/pyproject.toml
PyPI	numpy	`>=1.21.3`	python-package/pyproject.toml
PyPI	scipy	`—`	python-package/pyproject.toml

Todas las dependencias 25

Conjunto completo de dependencias resueltas según el grafo de dependencias de GitHub: 6 paquetes directos y 19 indirectos (transitivos). El cierre transitivo es completo cuando el repositorio incluye un lockfile.

Registro	Paquete	Versión	Relación
PyPI	narwhals	`—`	directa
PyPI	narwhals	`1.15.0`	directa
PyPI	numpy	`—`	directa
PyPI	numpy	`1.22.4`	directa
PyPI	scipy	`—`	directa
PyPI	scipy	`1.7.2`	directa
PyPI	build	`—`	indirecta
PyPI	cffi	`—`	indirecta
PyPI	cffi	`1.15.1`	indirecta
PyPI	cloudpickle	`—`	indirecta
PyPI	dask	`—`	indirecta
PyPI	hatchling	`—`	indirecta
PyPI	joblib	`—`	indirecta
PyPI	matplotlib	`—`	indirecta
PyPI	pandas	`—`	indirecta
PyPI	pandas	`1.3.4`	indirecta
PyPI	polars	`—`	indirecta
PyPI	polars	`1.0.0`	indirecta
PyPI	psutil	`—`	indirecta
PyPI	pyarrow	`—`	indirecta
PyPI	pyarrow	`16.0.0`	indirecta
PyPI	pytest	`—`	indirecta
PyPI	scikit-build-core	`—`	indirecta
PyPI	scikit-learn	`—`	indirecta
PyPI	scikit-learn	`1.0.2`	indirecta

Avisos de dependencias 0

Instalar pypi:lightgbm@4.7.0 arrastra 3 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 v0.34.0 — metodología completa · wiki de métricas.

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