Публічний реєстр
Звіт про здоров'я програмного забезпеченнясхема 0.17.0 · метрики 2.10.0 · 2026-07-21 04:07 UTC

Nixtla / mlforecast

Scalable machine 🤖 learning for time series forecasting.

PythonApache-2.0★ 1 254 зірки⑂ 128 форківз квіт. 2021 р.Переглянути на GitHub ↗
ТипБібліотекаяк це визначено
#forecast#forecasting#machine-learning#lightgbm#xgboost#dask#python#time-series

Nixtla/mlforecast має індекс здоров’я 96 зі 100, що відповідає смузі «Винятковий». Найвищий показник — Engineering Quality (92/100), найнижчий — AI Readiness (63/100). Останнє оновлення — сьогодні. Більшість нещодавньої роботи виконує один учасник.

96
загалом / 100
Винятковий

Індекс здоров'я програмного забезпечення

Метрики згруповано у зважені категорії на шкалі 1–100. Загальна оцінка починається як їхнє зважене середнє, відкаліброване за розподілом публічного реєстру, тож діапазони мають перцентильний зміст; коли публічні дані активують Політику юрисдикцій високого ризику, рейтинг коригується й отримує верхню межу 34 («У зоні ризику»).

96
Винятковий93-100Верхній щабель реєстру (≈ топ-5%); відповідає практично всім перевіреним критеріям
Відмінний80-92Сильний за всіма напрямами; незначні прогалини
Добрий65-79Здоровий; прогалини обмежені та керовані
Помірний50-64Прийнятний, але з помітними прогалинами; рекомендовано перевірку
Слабкий35-49Суттєві недоліки в кількох сферах
У зоні ризику20-34Суттєві слабкі місця; впровадження потребує обережності
Критичний1-19Серйозні проблеми (покинутий, єдиний мейнтейнер, без базової гігієни)
ЖиттєздатністьСпільнота тавпровадженняСталість таврядуванняІнженернаякістьБезпекаГотовність доШІ

Профіль оцінок

Кожна вісь — окрема категорія. Форма важить більше, ніж середнє: здоровий об'єкт заповнює всю фігуру, тоді як профіль із піками та провалами означає, що сила в одному вимірі маскує ризик в іншому.

Зважений загальний бал 83 калібровано до 96 за шкалою опублікованого індексу (калібрування реєстру 2026-08-02).

Власність

NixtlaОрганізація
2 817 підписників39 публічних репозиторіївз бер. 2021 р.

За цим репозиторієм стоїть організація — спільна, підзвітна опіка, здатна пережити будь-якого окремого мейнтейнера.

Пакетні екосистеми

РеєстрПакетВерсіяЗавантажень / місВерсіїОстання публікаціяТеги
PyPImlforecast1.1.0466 3925811 днів томуpythonforecastforecastingmachine-learningdask

Метрики за категоріями

Життєздатність

Чи живий проєкт — чи пишеться код і чи виходять релізи?

91Відмінний · 21% загального індексу

Активність розробки

90Відмінний
Як обчислюється оцінка
36/36Свіжість push — останній push 0 дн. тому
25.6/36Ритм комітів — 37/52 тижнів із комітами
18/18Обсяг комітів — 133 комітів за останній рік
10/10OpenSSF Scorecard: Maintained — 30 commit(s) and 0 issue activity found in the last 90 days -- score normalized to 10
Використані вхідні дані
commits_last_year133
human_commit_share—
days_since_last_push0
active_weeks_last_year37

Дисципліна релізів

92Відмінний
Як обчислюється оцінка
27/27Випускає релізи — опубліковано 44 релізів
36/36Свіжість релізів — останній реліз 11 дн. тому
19.8/27Ритм релізів — реліз кожні ~67,6 дн.
0/10OpenSSF Scorecard: Signed-Releases — немає даних
Використані вхідні дані
releases_count44
latest_release_tagv1.1.0
releases_from_tagsні
days_since_latest_release11
mean_days_between_releases67,6
Виключено з оцінювання (немає даних або не застосовно): OpenSSF Scorecard: Signed-Releases. Залишкові ваги перенормовано.

Спільнота та впровадження

Чи має проєкт користувачів, завантаження, увагу та влаштовані умови для контриб’юторів?

85Відмінний · 17% загального індексу

Популярність і впровадження

73Добрий
Як обчислюється оцінка
50.3/60Зірки — 1 254 зірок
17.5/25Форки — 128 форків
5/15Спостерігачі — 9 спостерігачів
Використані вхідні дані
forks128
stars1 254
watchers9
growth_stateorganic
growth_factor_pct100

Здоров'я спільноти

92Відмінний
Як обчислюється оцінка
22.5/22.5README
22.5/22.5Ліцензія — визнана ліцензія (Apache-2.0)
18/18Настанови CONTRIBUTING
13.5/13.5Кодекс поведінки
0/7.2Шаблон issue
6.3/6.3Шаблон PR
Використані вхідні дані
has_readmeтак
has_licenseтак
readme_badges—
has_contributingтак
has_issue_templateні
has_code_of_conductтак
readme_badge_services—
has_pull_request_templateтак

Впровадження в екосистемі (завантаження)

94Винятковий
Як обчислюється оцінка
75.6/80Щомісячні завантаження — 466 392 завантажень/місяць у pypi
0/20Залежні пакети в реєстрі — ця екосистема цього не повідомляє
Використані вхідні дані
packagesmlforecast
dependents—
ecosystemspypi
total_downloads—
monthly_downloads466 392
unverified_packages_excluded—
Виключено з оцінювання (немає даних або не застосовно): Залежні пакети в реєстрі. Залишкові ваги перенормовано.

Сталість та врядування

Чи переживе проєкт своїх людей — бас-фактор, реактивність, хто за ним стоїть і як супроводжуються пакети?

80Відмінний · 23% загального індексу

Стійкість мейнтейнерів (бас-фактор)

42Слабкий
Як обчислюється оцінка
9/54Бас-фактор — на 1 контриб’ютор(ів) припадає половина всіх комітів
9.3/22.5Розподіл комітів — головний контриб’ютор — автор 59% комітів
13.5/13.5Широта контриб’юторів — 25 контриб’юторів
10/10OpenSSF Scorecard: Contributors — project has 5 contributing companies or organizations
Використані вхідні дані
bus_factor1
contributors_sampled25
top_contributor_share0,587

Реактивність на issue та PR

95Винятковий
Як обчислюється оцінка
40.9/42Вирішення issue — закрито 98% issue
26.7/30Прийняття PR — злито 365/410 вирішених PR
0/13Newcomer PR acceptance — за 30 дн. не вирішено жодного PR від новачка
15/15OpenSSF Scorecard: Code-Review — all changesets reviewed
Використані вхідні дані
merged_prs365
open_issues5
closed_issues199
prs_merged_7d—
prs_decided_7d—
prs_merged_30d—
prs_decided_30d—
issue_closed_ratio0,975
closed_unmerged_prs45
first_time_authors_30d—
first_time_prs_merged_30d—
first_time_prs_decided_30d—
Виключено з оцінювання (немає даних або не застосовно): Newcomer PR acceptance. Залишкові ваги перенормовано.

Власність та опіка

96Винятковий
Як обчислюється оцінка
30/30Підтримка власника — у власності організації
0/20Верифікований домен — статус підтвердженого домену для цієї організації не зчитано
24.8/25Охоплення власника — 2 817 підписників у Nixtla
22.4/25Послужний список — 39 публічних репозиторіїв, вік облікового запису ~5 р.
Використані вхідні дані
followers2 817
owner_typeOrganization
is_verified—
owner_loginNixtla
public_repos39
account_age_days1 966
Виключено з оцінювання (немає даних або не застосовно): Верифікований домен. Залишкові ваги перенормовано.

Супровід пакетів

100Винятковий
Як обчислюється оцінка
25/25Опубліковано й доступно — 1 пакет(ів) у pypi
35/35Свіжість публікацій — остання публікація 11 дн. тому
20/20Історія версій — 58 опублікованих версій
20/20Не застарілий — активний, не deprecated і не yanked
Використані вхідні дані
packagesmlforecast
ecosystemspypi
any_deprecatedні
min_days_since_publish11

Інженерна якість

Чи наявні базові інженерні практики та документація?

92Відмінний · 19% загального індексу

Інженерні практики

94Винятковий
Як обчислюється оцінка
24/24Процеси CI — 7 процес(ів) CI
24/24Наявні тести
16/16Конфігурація лінтера
9.6/9.6Pre-commit-хуки
0/6.4.editorconfig
20/20OpenSSF Scorecard: CI-Tests — 30 out of 30 merged PRs checked by a CI test -- score normalized to 10
Використані вхідні дані
has_ciтак
has_testsтак
has_editorconfigні
has_linter_configтак
has_precommit_configтак

Документація

90Відмінний
Як обчислюється оцінка
30/30README
25/25Каталог документації
15/15Сайт документації / домашня сторінка — https://nixtlaverse.nixtla.io/mlforecast
10/10Опис репозиторію
10/10Теми — 8 тем
0/10Wiki
Використані вхідні дані
topicsforecast, forecasting, machine-learning, lightgbm, xgboost, dask, python, time-series
has_wikiні
homepagehttps://nixtlaverse.nixtla.io/mlforecast
docs_sitehttps://nixtlaverse.nixtla.io/mlforecast
has_readmeтак
has_docs_dirтак
has_descriptionтак

Безпека

Чи міцні видимі практики безпеки й ланцюга постачання, без непослабленої пов’язаності з юрисдикціями високого ризику?

68Добрий · 16% загального індексу

Стан безпеки

60Помірний
Як обчислюється оцінка
7.5/7.5Binary-Artifacts — no binaries found in the repo
3.8/7.5Branch-Protection — branch protection is not maximal on development and all release branches
2.5/2.5CI-Tests — 30 out of 30 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
7.5/7.5Code-Review — all changesets reviewed
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
2.5/2.5Ліцензія — license file detected
7.5/7.5Maintained — 30 commit(s) and 0 issue activity found in the last 90 days -- score normalized to 10
0/5Packaging — немає даних
2/5Pinned-Dependencies — dependency not pinned by hash detected -- score normalized to 4
2.5/5SAST — SAST tool is not run on all commits -- score normalized to 5
0/5Security-Policy — security policy file not detected
0/7.5Signed-Releases — немає даних
0/7.5Token-Permissions — detected GitHub workflow tokens with excessive permissions
0/7.5Vulnerabilities — 16 existing vulnerabilities detected
Використані вхідні дані
sourceopenssf_scorecard
checks_evaluated16
scorecard_versionv5.5.0
checks_inconclusive2
scorecard_aggregate6
Виключено з оцінювання (немає даних або не застосовно): Packaging, Signed-Releases. Залишкові ваги перенормовано.

Сповіщення про залежності

100Винятковий
Як обчислюється оцінка
35/35Прямі залежності без відомих сповіщень — жодна пряма залежність не має відомих сповіщень
25/25Непрямі залежності без відомих сповіщень — жодна непряма залежність не має відомих сповіщень
0/40Немає задавнених сповіщень — жодне сповіщення не має дати публікації
Використані вхідні дані
sourceosv
advisories0
affected_packages0
assessed_packages24
unassessed_packages0
affected_by_severitynone
direct_affected_packages0
Виключено з оцінювання (немає даних або не застосовно): Немає задавнених сповіщень. Залишкові ваги перенормовано. Звірено з runtime-замиканням залежностей pypi:mlforecast@1.1.0 — тим, що тягне за собою встановлення опублікованого пакета, — 24 пакетів. Досяжність не аналізується.

Готовність до ШІ

Наскільки репозиторій оснащений для розробки та супроводу за участі ШІ-агентів? Має свідомо малу вагу (4%): агентний інструментарій — реальний сигнал супроводу, але репозиторій без нього все одно може отримати 100/100.

63Помірний · 4% загального індексу

Контекст і настанови для агентів

1Критичний
Як обчислюється оцінка
0/45Інструкції для агентів — немає CLAUDE.md / AGENTS.md / правил редактора
0/15Машиночитана документація (llms.txt)
0/40Читабельна історія комітів — немає даних
Використані вхідні дані
has_llms_txtні
llms_txt_url—
legible_history_share—
agent_instruction_files—
agent_instruction_max_bytes—
Виключено з оцінювання (немає даних або не застосовно): Читабельна історія комітів. Залишкові ваги перенормовано.

Цикл верифікації (збірка / тести / перевірка типів)

90Відмінний
Як обчислюється оцінка
18/18Розгортання однією командою — Makefile
22/22Автоматизовані тести
11/11Конфігурація лінтера / форматера
11/11Статична перевірка типів — mlforecast/py.typed
10/10Відтворюване середовище — lockfile
0/10Підтверджена практика роботи з агентами — немає даних
5/8Автоматизоване супроводження — автоматизацію залежностей налаштовано, але у вибірці комітів її не видно
4/10OpenSSF Scorecard: Pinned-Dependencies — dependency not pinned by hash detected -- score normalized to 4
Використані вхідні дані
has_nixні
has_testsтак
lockfilesuv.lock
has_dockerfileні
typed_languageні
bootstrap_filesMakefile
has_devcontainerні
has_linter_configтак
typecheck_configsmlforecast/py.typed
agent_commit_share—
toolchain_manifests—
dependency_bot_commit_share0
Виключено з оцінювання (немає даних або не застосовно): Підтверджена практика роботи з агентами. Залишкові ваги перенормовано.

Читабельність коду для моделей

77Добрий
Як обчислюється оцінка
27/45Типізований код — Python з конфігурацією перевірки типів (mlforecast/py.typed)
49.8/55Керовані розміри файлів — 6/64 файлів вихідного коду понад 60 КБ
Використані вхідні дані
primary_languagePython
largest_source_bytes154 837
source_files_sampled64
oversized_source_files6

Машиночитні інтерфейси

100Винятковий
Як обчислюється оцінка
0/40Схема API (OpenAPI/GraphQL/proto) — не застосовно до цього типу програмного забезпечення
0/20Сервер MCP — не застосовно до цього типу програмного забезпечення
40/40Придатні до запуску приклади — notebooks
Використані вхідні дані
example_dirsnotebooks
has_mcp_signalні
api_schema_files—
interfaces_expected_of—
Виключено з оцінювання (немає даних або не застосовно): Схема API (OpenAPI/GraphQL/proto), Сервер MCP. Залишкові ваги перенормовано.

Ключові факти

1 254зірок GitHub
25контриб'юторів
133комітів за останні 12 місяців
0днів від останнього пушу
44релізів
1бас-фактор
5відкритих issue
PyPIпакетних екосистем

Докладніше

Історія зірок і форків 1 254 ★ / 0 ⇿
1 254Зірки

Коли додано кожну зірку й форк — зібрано з GitHub і згруповано за днями. Кумулятивне зростання розміщено просто над денними додаваннями, з яких воно складається, тож їх видно одне проти одного: рівномірне органічне накопичення виглядає зовсім інакше, ніж різкий короткочасний сплеск. Там, де цю різницю можна виміряти, її подано як автентичність росту.

Показано лише найновішу історію — цей репозиторій перевищує вікно збору, тож найраніша історія не захоплена.

2004006008001 0001 2001 4001 254272023-032024-112026-07

Кожна точка охоплює 4 днів.

OpenSSF Scorecard 6.0 / 10
6.0сукупно

Незалежна, не прив'язана до інструментів оцінка безпеки від відкритого проєкту OpenSSF Scorecard. Кожна перевірка винагороджує практику безпеки, а не інструмент конкретного постачальника. Перевірки, які Scorecard не зміг визначити, позначено н/д і виключено з оцінки безпеки (вони ніколи не зараховуються як нуль).Scorecard v5.5.0 · 2026-07-21 04:07 UTC

10Binary-Artifactsno binaries found in the repo
5Branch-Protectionbranch protection is not maximal on development and all release branches
10CI-Tests30 out of 30 merged PRs checked by a CI test -- score normalized to 10
0CII-Best-Practicesno effort to earn an OpenSSF best practices badge detected
10Code-Reviewall changesets reviewed
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
10Maintained30 commit(s) and 0 issue activity found in the last 90 days -- score normalized to 10
н/дPackagingpackaging workflow not detected
4Pinned-Dependenciesdependency not pinned by hash detected -- score normalized to 4
5SASTSAST tool is not run on all commits -- score normalized to 5
0Security-Policysecurity policy file not detected
н/дSigned-Releasesno releases found
0Token-Permissionsdetected GitHub workflow tokens with excessive permissions
0Vulnerabilities16 existing vulnerabilities detected
Прямі залежності 8
РеєстрПакетОбмеження версіїМаніфест
PyPIcloudpickle—pyproject.toml
PyPIcoreforecast>=0.0.15pyproject.toml
PyPIfsspec—pyproject.toml
PyPInarwhals—pyproject.toml
PyPIoptuna—pyproject.toml
PyPIpandas<3.0pyproject.toml
PyPIscikit-learn—pyproject.toml
PyPIutilsforecast>=0.2.9pyproject.toml
Усі залежності 216

Повний розв'язаний набір залежностей із графа залежностей GitHub: 9 прямих і 207 непрямих (транзитивних) пакетів. Транзитивне замикання є повним, коли в репозиторії закомічено lockfile.

РеєстрПакетВерсіяЗв'язок
PyPIcloudpickle3.1.2пряма
PyPIcoreforecast0.0.18пряма
PyPIfsspec2026.1.0пряма
PyPInarwhals2.15.0пряма
PyPIoptuna4.7.0пряма
PyPIpandas2.3.3пряма
PyPIscikit-learn1.7.2пряма
PyPIscikit-learn1.8.0пряма
PyPIutilsforecast0.2.15пряма
PyPIadagio0.2.6непряма
PyPIadlfs2025.8.0непряма
PyPIaiobotocore3.1.1непряма
PyPIaiohappyeyeballs2.6.1непряма
PyPIaiohttp3.14.1непряма
PyPIaioitertools0.13.0непряма
PyPIaiosignal1.4.0непряма
PyPIalembic1.18.1непряма
PyPIannotated-doc0.0.4непряма
PyPIannotated-types0.7.0непряма
PyPIanyio4.12.1непряма
PyPIasync-timeout5.0.1непряма
PyPIattrs25.4.0непряма
PyPIazure-core1.38.0непряма
PyPIazure-datalake-store0.0.53непряма
PyPIazure-identity1.25.1непряма
PyPIazure-storage-blob12.28.0непряма
PyPIblinker1.9.0непряма
PyPIbokeh3.8.2непряма
PyPIbotocore1.42.30непряма
PyPIcachetools6.2.4непряма
PyPIcatboost1.2.10непряма
PyPIcertifi2026.1.4непряма
PyPIcffi2.0.0непряма
PyPIcfgv3.5.0непряма
PyPIcharset-normalizer3.4.4непряма
PyPIclick8.3.1непряма
PyPIcolorama0.4.6непряма
PyPIcolorlog6.10.1непряма
PyPIcontourpy1.3.2непряма
PyPIcontourpy1.3.3непряма
PyPIconvertdate2.4.0непряма
PyPIcoverage7.13.1непряма
PyPIcryptography48.0.1непряма
PyPIcycler0.12.1непряма
PyPIdask2026.1.1непряма
PyPIdatabricks-sdk0.80.0непряма
PyPIdatasetsforecast1.0.1непряма
PyPIdecorator5.2.1непряма
PyPIdistlib0.4.0непряма
PyPIdistributed2026.1.1непряма
PyPIdocker7.1.0непряма
PyPIduckdb1.4.3непряма
PyPIexceptiongroup1.3.1непряма
PyPIexecnet2.1.2непряма
PyPIfastapi0.136.3непряма
PyPIfilelock3.20.3непряма
PyPIflask3.1.3непряма
PyPIflask-cors6.0.2непряма
PyPIfonttools4.61.1непряма
PyPIfrozenlist1.8.0непряма
PyPIfugue0.9.4непряма
PyPIgcsfs2026.1.0непряма
PyPIgitdb4.0.12непряма
PyPIgitpython3.1.50непряма
PyPIgoogle-api-core2.29.0непряма
PyPIgoogle-auth2.47.0непряма
PyPIgoogle-auth-oauthlib1.2.4непряма
PyPIgoogle-cloud-core2.5.0непряма
PyPIgoogle-cloud-storage3.8.0непряма
PyPIgoogle-cloud-storage-control1.9.0непряма
PyPIgoogle-crc32c1.8.0непряма
PyPIgoogle-resumable-media2.8.0непряма
PyPIgoogleapis-common-protos1.72.0непряма
PyPIgraphene3.4.3непряма
PyPIgraphql-core3.2.7непряма
PyPIgraphql-relay3.2.0непряма
PyPIgraphviz0.21непряма
PyPIgreenlet3.3.0непряма
PyPIgriffe2md1.5.0непряма
PyPIgriffelib2.0.0непряма
PyPIgrpc-google-iam-v10.14.3непряма
PyPIgrpcio1.76.0непряма
PyPIgrpcio-status1.76.0непряма
PyPIgunicorn23.0.0непряма
PyPIh110.16.0непряма
PyPIhijri-converter2.3.2.post1непряма
PyPIhijridate2.3.0непряма
PyPIholidays0.20непряма
PyPIhuey2.6.0непряма
PyPIidentify2.6.16непряма
PyPIidna3.15непряма
PyPIimportlib-metadata8.7.1непряма
PyPIiniconfig2.3.0непряма
PyPIisodate0.7.2непряма
PyPIitsdangerous2.2.0непряма
PyPIjinja23.1.6непряма
PyPIjmespath1.1.0непряма
PyPIjoblib1.5.3непряма
PyPIjsonschema4.26.0непряма
PyPIjsonschema-specifications2025.9.1непряма
PyPIkiwisolver1.4.9непряма
PyPIkorean-lunar-calendar0.3.1непряма
PyPIlibrt0.7.8непряма
PyPIlightgbm4.6.0непряма
PyPIlightgbm-ray0.1.9непряма
PyPIlocket1.0.0непряма
PyPIlz44.4.5непряма
PyPImako1.3.12непряма
PyPImarkdown-it-py4.0.0непряма
PyPImarkupsafe3.0.3непряма
PyPImatplotlib3.10.8непряма
PyPImdformat1.0.0непряма
PyPImdurl0.1.2непряма
PyPImkdocstrings-parser0.0.1непряма
PyPImlflow3.14.0непряма
PyPImlflow-skinny3.14.0непряма
PyPImlflow-tracing3.14.0непряма
PyPImlforecast1.1.0непряма
PyPImsal1.34.0непряма
PyPImsal-extensions1.3.1непряма
PyPImsgpack1.2.1непряма
PyPImultidict6.7.0непряма
PyPImypy1.19.1непряма
PyPImypy-extensions1.1.0непряма
PyPInodeenv1.10.0непряма
PyPInumpy2.2.6непряма
PyPInumpy2.4.1непряма
PyPIoauthlib3.3.1непряма
PyPIopentelemetry-api1.39.1непряма
PyPIopentelemetry-proto1.39.1непряма
PyPIopentelemetry-sdk1.39.1непряма
PyPIopentelemetry-semantic-conventions0.60b1непряма
PyPIpackaging25.0непряма
PyPIpartd1.4.2непряма
PyPIpathspec1.0.3непряма
PyPIpatsy1.0.2непряма
PyPIpillow12.2.0непряма
PyPIpip-licenses5.5.0непряма
PyPIplatformdirs4.5.1непряма
PyPIplotly6.7.0непряма
PyPIpluggy1.6.0непряма
PyPIpolars1.31.0непряма
PyPIpre-commit4.5.1непряма
PyPIprettytable3.17.0непряма
PyPIpropcache0.4.1непряма
PyPIproto-plus1.27.0непряма
PyPIprotobuf6.33.5непряма
PyPIpsutil7.2.1непряма
PyPIpy-cpuinfo9.0.0непряма
PyPIpy4j0.10.9.9непряма
PyPIpyarrow23.0.1непряма
PyPIpyasn10.6.3непряма
PyPIpyasn1-modules0.4.2непряма
PyPIpycparser3.0непряма
PyPIpydantic2.12.5непряма
PyPIpydantic-core2.41.5непряма
PyPIpygments2.20.0непряма
PyPIpyjwt2.13.0непряма
PyPIpymeeus0.5.12непряма
PyPIpyparsing3.3.2непряма
PyPIpyspark4.1.1непряма
PyPIpytest9.0.3непряма
PyPIpytest-benchmark5.2.3непряма
PyPIpytest-codspeed4.2.0непряма
PyPIpytest-cov7.0.0непряма
PyPIpytest-rerunfailures16.1непряма
PyPIpytest-xdist3.8.0непряма
PyPIpython-dateutil2.9.0.post0непряма
PyPIpython-dotenv1.2.2непряма
PyPIpytz2025.2непряма
PyPIpywin32311непряма
PyPIpyyaml6.0.3непряма
PyPIray2.55.0непряма
PyPIreferencing0.37.0непряма
PyPIrequests2.33.0непряма
PyPIrequests-oauthlib2.0.0непряма
PyPIrich14.2.0непряма
PyPIrpds-py0.30.0непряма
PyPIrsa4.9.1непряма
PyPIruff0.14.14непряма
PyPIs3fs2026.1.0непряма
PyPIscipy1.15.3непряма
PyPIscipy1.17.0непряма
PyPIsetuptools80.10.1непряма
PyPIsix1.17.0непряма
PyPIskops0.13.0непряма
PyPIsmmap5.0.2непряма
PyPIsortedcontainers2.4.0непряма
PyPIsqlalchemy2.0.46непряма
PyPIsqlparse0.5.5непряма
PyPIstarlette1.3.1непряма
PyPIstatsmodels0.14.6непряма
PyPItblib3.2.2непряма
PyPIthreadpoolctl3.6.0непряма
PyPItomli2.4.0непряма
PyPItoolz1.1.0непряма
PyPItornado6.5.7непряма
PyPItqdm4.67.1непряма
PyPItriad1.0.0непряма
PyPItyping-extensions4.15.0непряма
PyPItyping-inspection0.4.2непряма
PyPItzdata2025.3непряма
PyPIurllib32.7.0непряма
PyPIuvicorn0.40.0непряма
PyPIvirtualenv20.36.1непряма
PyPIwaitress3.0.2непряма
PyPIwcwidth0.3.1непряма
PyPIwerkzeug3.1.6непряма
PyPIwrapt2.0.1непряма
PyPIxgboost2.0.3непряма
PyPIxgboost-ray0.1.19непряма
PyPIxlrd2.0.2непряма
PyPIxyzservices2025.11.0непряма
PyPIyarl1.22.0непряма
PyPIzict3.0.0непряма
PyPIzipp3.23.0непряма
Сповіщення про залежності 0

Встановлення pypi:mlforecast@1.1.0 тягне 24 пакетів, прямих і транзитивних: 0 мають відомі сповіщення, з них 0 — прямі залежності.

Жодне відоме сповіщення не стосується оцінених залежностей.

Сповіщення означає, що версія, записана в графі залежностей, потрапляє в уражений діапазон. Досяжність не аналізується, а граф містить піниї розробки й тестування — знахідка може стосуватися інструментів, а не поставленого коду.

Звіт у форматі JSON машиночитний

Зворотний зв’язок

Помітили щось хибне у цьому звіті або маєте чим поділитися? Неправильні вимірювання, непомічені інструменти, ідеї, запитання — усе доречно. Кожне повідомлення читається й отримує відповідь.

Повідомлення збережеться під час входу.

Пов’язані записи

Перевірені репозиторії, що мають спільні каталожні теги або екосистеми з Nixtla/mlforecast. Читати поруч →

98autogluon/autogluonFast and Accurate ML in 3 Lines of CodeВинятковий98Nixtla/statsforecastLightning ⚡️ fast forecasting with statistical and econometric models.Винятковий97unit8co/dartsA python library for user-friendly forecasting and anomaly detection on time series.Винятковий98sktime/sktimeA unified framework for machine learning with time seriesВинятковий98Nixtla/neuralforecastScalable and user friendly neural :brain: forecasting algorithms.Винятковий100streamlit/streamlitStreamlit — A faster way to build and share data apps.Винятковий

Оцінки — це сигнали, а не гарантії. Вони відображають публічно видимі практики на GitHub — це не аудит коду й не гарантія безпеки.

Відсутні дані виключаються, а ваги перенормовуються — нуль за відсутність ніколи не ставиться. Методологія версіонована й відкрита: метрики v2.10.0, схема v0.17.0 — повна методологія · вікі метрик.

Як окремий результат виглядає на тлі всього реєстру: сукупна статистика — PyPI.