Публічний реєстр
Звіт про здоров'я програмного забезпеченнясхема 0.34.0 · метрики 2.10.0 · 2026-08-24 15:26 UTC

alteryx / evalml

EvalML is an AutoML library written in python.

PythonBSD-3-Clause★ 852 зірки⑂ 94 форкиз лип. 2019 р.Переглянути на GitHub ↗
ТипБібліотекаІнструмент командного рядкаяк це визначено
#automl#machine-learning#data-science#model-selection#hyperparameter-tuning#optimization#feature-engineering#feature-selection

alteryx/evalml має індекс здоров’я 34 зі 100, що відповідає смузі «У зоні ризику». Найвищий показник — Engineering Quality (80/100), найнижчий — Vitality (26/100). Останнє оновлення було 221 день тому. Більшість нещодавньої роботи виконують 4 учасники.

34
загалом / 100
У зоні ризику

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»).

34
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 62 калібровано до 69 за шкалою опублікованого індексу (калібрування реєстру 2026-08-02).

Власність

alteryxОрганізація
286 підписників143 публічні репозиторіїз черв. 2015 р.

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

Пакетні екосистеми

РеєстрПакетВерсіяЗавантажень / місВерсіїОстання публікаціяТеги
PyPIevalml0.84.09 78087808 днів томуdata-sciencemachine-learningoptimizationautoml

Метрики за категоріями

Життєздатність

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

26У зоні ризику · 21% загального індексу

Активність розробки

4Критичний
Як обчислюється оцінка
3.6/36Свіжість push — останній push 221 дн. тому
0/36Ритм комітів — 0/52 тижнів із комітами
0/18Обсяг комітів — 0 комітів за останній рік
0/10OpenSSF Scorecard: Maintained — 0 commit(s) and 0 issue activity found in the last 90 days -- score normalized to 0
Використані вхідні дані
commits_last_year0
human_commit_share1
days_since_last_push221
active_weeks_last_year0

Дисципліна релізів

60Помірний
Як обчислюється оцінка
27/27Випускає релізи — опубліковано 100 релізів
0/36Свіжість релізів — останній реліз 808 дн. тому
27/27Ритм релізів — реліз кожні ~43,7 дн.
0/10OpenSSF Scorecard: Signed-Releases — немає даних
Використані вхідні дані
releases_count100
latest_release_tagv0.84.0
releases_from_tagsні
days_since_latest_release808
mean_days_between_releases43,7
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?

72Добрий · 17% загального індексу

Популярність і впровадження

71Добрий
Як обчислюється оцінка
47.5/60Зірки — 852 зірок
16.4/25Форки — 94 форків
6.8/15Спостерігачі — 18 спостерігачів
Використані вхідні дані
forks94
stars852
watchers18
growth_stateunverified
growth_factor_pct100
growth_unverified_reasonno_history

Здоров'я спільноти

77Добрий
Як обчислюється оцінка
22.5/22.5README
22.5/22.5Ліцензія — визнана ліцензія (BSD-3-Clause)
18/18Настанови CONTRIBUTING
0/13.5Кодекс поведінки
0/7.2Шаблон issue
6.3/6.3Шаблон PR
Використані вхідні дані
has_readmeтак
has_licenseтак
readme_badges3
has_contributingтак
has_issue_templateні
has_code_of_conductні
readme_badge_servicesbadge.fury.io, codecov.io, github.com
has_pull_request_templateтак

Впровадження в екосистемі (завантаження)

66Добрий
Як обчислюється оцінка
53.2/80Щомісячні завантаження — 9 780 завантажень/місяць у pypi
0/20Залежні пакети в реєстрі — ця екосистема цього не повідомляє
Використані вхідні дані
packagesevalml
dependents—
ecosystemspypi
total_downloads—
monthly_downloads9 780
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?

79Добрий · 23% загального індексу

Стійкість мейнтейнерів (бас-фактор)

86Відмінний
Як обчислюється оцінка
43.2/54Бас-фактор — на 4 контриб’ютор(ів) припадає половина всіх комітів
18.8/22.5Розподіл комітів — головний контриб’ютор — автор 17% комітів
13.5/13.5Широта контриб’юторів — 35 контриб’юторів
10/10OpenSSF Scorecard: Contributors — project has 4 contributing companies or organizations
Використані вхідні дані
bus_factor4
contributors_sampled35
top_contributor_share0,166

Реактивність на issue та PR

86Відмінний
Як обчислюється оцінка
35.2/42Вирішення issue — закрито 84% issue
24.6/30Прийняття PR — злито 2 032/2 476 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_prs2 032
open_issues316
closed_issues1 622
prs_merged_7d0
prs_decided_7d0
prs_merged_30d0
prs_decided_30d0
issue_closed_ratio0,837
closed_unmerged_prs444
first_time_authors_30d0
first_time_prs_merged_30d0
first_time_prs_decided_30d0
Виключено з оцінювання (немає даних або не застосовно): Newcomer PR acceptance. Залишкові ваги перенормовано.

Власність та опіка

73Добрий
Як обчислюється оцінка
30/30Підтримка власника — у власності організації
0/20Верифікований домен
17.7/25Охоплення власника — 286 підписників у alteryx
25/25Послужний список — 143 публічних репозиторіїв, вік облікового запису ~11 р.
Використані вхідні дані
followers286
owner_typeOrganization
is_verifiedні
owner_loginalteryx
public_repos143
account_age_days4 083

Супровід пакетів

69Добрий
Як обчислюється оцінка
25/25Опубліковано й доступно — 1 пакет(ів) у pypi
4/35Свіжість публікацій — остання публікація 808 дн. тому
20/20Історія версій — 87 опублікованих версій
20/20Не застарілий — активний, не deprecated і не yanked
Використані вхідні дані
packagesevalml
ecosystemspypi
any_deprecatedні
min_days_since_publish808

Інженерна якість

Чи наявні базові інженерні практики та документація?

80Відмінний · 19% загального індексу

Інженерні практики

74Добрий
Як обчислюється оцінка
24/24Процеси CI — 20 процес(ів) CI
24/24Наявні тести
16/16Конфігурація лінтера — pyproject.toml ([tool.ruff], [tool.black])
9.6/9.6Pre-commit-хуки
0/6.4.editorconfig
0/20OpenSSF Scorecard: CI-Tests — 0 out of 30 merged PRs checked by a CI test -- score normalized to 0
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://evalml.alteryx.com
10/10Опис репозиторію
10/10Теми — 8 тем
0/10Wiki
Використані вхідні дані
topicsautoml, machine-learning, data-science, model-selection, hyperparameter-tuning, optimization, feature-engineering, feature-selection
has_wikiні
homepagehttps://evalml.alteryx.com
docs_sitehttps://evalml.alteryx.com
has_readmeтак
has_docs_dirтак
has_descriptionтак

Безпека

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

51Помірний · 16% загального індексу

Стан безпеки

44Слабкий
Як обчислюється оцінка
7.5/7.5Binary-Artifacts — no binaries found in the repo
0/7.5Branch-Protection — немає даних
0/2.5CI-Tests — 0 out of 30 merged PRs checked by a CI test -- score normalized to 0
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 4 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
0/7.5Maintained — 0 commit(s) and 0 issue activity found in the last 90 days -- score normalized to 0
0/5Packaging — немає даних
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 — немає даних
0/7.5Token-Permissions — detected GitHub workflow tokens with excessive permissions
0/7.5Vulnerabilities — 10 existing vulnerabilities detected
Використані вхідні дані
sourceopenssf_scorecard
checks_evaluated15
scorecard_versionv5.5.0
checks_inconclusive3
scorecard_aggregate4,4
Виключено з оцінювання (немає даних або не застосовно): Branch-Protection, Packaging, Signed-Releases. Залишкові ваги перенормовано.

Сповіщення про залежності

80Відмінний
Як обчислюється оцінка
20.2/35Прямі залежності без відомих сповіщень — уражено 1: scikit-learn 1.4.2 (moderate 5.3)
25/25Непрямі залежності без відомих сповіщень — жодна непряма залежність не має відомих сповіщень
35.3/40Немає задавнених сповіщень — 1 пакет(ів) зі сповіщеннями без реакції понад 90 дн.; найдавніше опубліковано 808 дн. тому
Використані вхідні дані
sourceosv
advisories2
affected_packages1
assessed_packages106
unassessed_packages0
affected_by_severitymoderate 1
direct_affected_packages1
Звірено з runtime-замиканням залежностей pypi:evalml@0.84.0 — тим, що тягне за собою встановлення опублікованого пакета, — 106 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.

60Помірний · 4% загального індексу

Контекст і настанови для агентів

40Слабкий
Як обчислюється оцінка
0/45Інструкції для агентів — немає CLAUDE.md / AGENTS.md / правил редактора
0/15Машиночитана документація (llms.txt)
40/40Читабельна історія комітів — намір зазначено у 100 з 100 людських комітів (структурований заголовок або пояснювальний текст)
Використані вхідні дані
has_llms_txtні
llms_txt_url—
legible_history_share1
agent_instruction_files—
agent_instruction_max_bytes—

Цикл верифікації (збірка / тести / перевірка типів)

61Помірний
Як обчислюється оцінка
18/18Розгортання однією командою — Makefile, docs/Makefile
22/22Автоматизовані тести
11/11Конфігурація лінтера / форматера — pyproject.toml ([tool.ruff], [tool.black])
0/11Статична перевірка типів
10/10Відтворюване середовище — Dockerfile
0/10Підтверджена практика роботи з агентами — серед останніх 100 комітів немає створених агентом
0/8Автоматизоване супроводження — автоматичних оновлень залежностей не виявлено
0/10OpenSSF Scorecard: Pinned-Dependencies — dependency not pinned by hash detected -- score normalized to 0
Використані вхідні дані
has_nixні
has_testsтак
lockfiles—
has_dockerfileтак
typed_languageні
bootstrap_filesMakefile, docs/Makefile
has_devcontainerні
has_linter_configтак
typecheck_configs—
agent_commit_share0
toolchain_manifests—
dependency_bot_commit_share0

Читабельність коду для моделей

54Помірний
Як обчислюється оцінка
0/45Типізований код — Python без конфігурації перевірки типів
53.5/55Керовані розміри файлів — 10/378 файлів вихідного коду понад 60 КБ
Використані вхідні дані
primary_languagePython
largest_source_bytes193 395
source_files_sampled378
oversized_source_files10

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 — demos, notebooks
Використані вхідні дані
example_dirsdemos, notebooks
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

852зірок GitHub
35контриб'юторів
0комітів за останні 12 місяців
221днів від останнього пушу
100релізів
4бас-фактор
316відкритих issue
PyPIпакетних екосистем

Попередження щодо збору даних

  • Star history unavailable: GitHub GraphQL error: Resource not accessible by personal access token

Докладніше

Історія зірок і форків 0 ★ / 94 ⇿
0Зірки
94Форки
85Релізи

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.

0204060801009252020-092023-082026-08
Мажорні 0Мінорні 69Патчі 14

Кожна точка охоплює 6 днів.

OpenSSF Scorecard 4.4 / 10
4.4сукупно

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 · 2026-08-24 15:24 UTC

10Binary-Artifactsno binaries found in the repo
н/дBranch-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
0CI-Tests0 out of 30 merged PRs checked by a CI test -- score normalized to 0
0CII-Best-Practicesno effort to earn an OpenSSF best practices badge detected
10Code-Reviewall changesets reviewed
10Contributorsproject has 4 contributing companies or organizations
10Dangerous-Workflowno dangerous workflow patterns detected
10Dependency-Update-Toolupdate tool detected
0Fuzzingproject is not fuzzed
10Licenselicense file detected
0Maintained0 commit(s) and 0 issue activity found in the last 90 days -- score normalized to 0
н/дPackagingpackaging 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
н/дSigned-Releasesno releases found
0Token-Permissionsdetected GitHub workflow tokens with excessive permissions
0Vulnerabilities10 existing vulnerabilities detected
Прямі залежності 36
РеєстрПакетОбмеження версіїМаніфест
PyPInumpy>= 1.22.0pyproject.toml
PyPIpandas>= 1.5.0, <2.1.0pyproject.toml
PyPIscipy>= 1.5.0, <1.14.0pyproject.toml
PyPIscikit-learn>= 1.3.2pyproject.toml
PyPIscikit-optimize>= 0.9.0pyproject.toml
PyPIpyzmq>= 21.0.2pyproject.toml
PyPIcolorama>= 0.4.4pyproject.toml
PyPIcloudpickle>= 1.5.0pyproject.toml
PyPIclick>= 8.0.0pyproject.toml
PyPIshap>= 0.45.0pyproject.toml
PyPIstatsmodels>= 0.12.2pyproject.toml
PyPItexttable>= 1.6.2pyproject.toml
PyPIwoodwork>= 0.22.0pyproject.toml
PyPIdask>= 2022.2.0, != 2022.10.1pyproject.toml
PyPIdistributed>= 2022.2.0, != 2022.10.1pyproject.toml
PyPIfeaturetools>= 1.16.0pyproject.toml
PyPInlp-primitives>= 2.9.0pyproject.toml
PyPInetworkx>= 2.7pyproject.toml
PyPIplotly>= 5.0.0pyproject.toml
PyPIkaleido>= 0.2.0pyproject.toml
PyPIipywidgets>= 7.5pyproject.toml
PyPIxgboost>= 1.7.0.post0pyproject.toml
PyPIcatboost>= 1.1.1pyproject.toml
PyPIlightgbm>= 4.0.0pyproject.toml
PyPImatplotlib>= 3.3.3pyproject.toml
PyPIgraphviz>= 0.13pyproject.toml
PyPIseaborn>= 0.11.1pyproject.toml
PyPIcategory-encoders>= 2.2.2, <= 2.5.1.post0pyproject.toml
PyPIimbalanced-learn>= 0.11.0pyproject.toml
PyPIpmdarima>= 1.8.5pyproject.toml
PyPIsktime>= 0.21.0, < 0.29.0pyproject.toml
PyPIlime>= 0.2.0.1pyproject.toml
PyPItomli>= 2.0.1pyproject.toml
PyPIpackaging>= 23.0pyproject.toml
PyPIblack>= 22.3.0pyproject.toml
PyPIholidays>= 0.13pyproject.toml
Усі залежності 81

Повний розв'язаний набір залежностей із графа залежностей GitHub: 72 прямих і 9 непрямих (транзитивних) пакетів. Транзитивне замикання є повним, коли в репозиторії закомічено lockfile.

РеєстрПакетВерсіяЗв'язок
PyPIblack—пряма
PyPIblack22.3.0пряма
PyPIcatboost—пряма
PyPIcatboost1.1.1пряма
PyPIcategory-encoders—пряма
PyPIcategory-encoders2.2.2пряма
PyPIclick—пряма
PyPIclick8.0.0пряма
PyPIcloudpickle—пряма
PyPIcloudpickle1.5.0пряма
PyPIcolorama—пряма
PyPIcolorama0.4.4пряма
PyPIdask—пряма
PyPIdask2022.2.0пряма
PyPIdistributed—пряма
PyPIdistributed2022.2.0пряма
PyPIfeaturetools—пряма
PyPIfeaturetools1.16.0пряма
PyPIgraphviz—пряма
PyPIgraphviz0.13пряма
PyPIholidays—пряма
PyPIholidays0.13пряма
PyPIimbalanced-learn—пряма
PyPIimbalanced-learn0.11.0пряма
PyPIipywidgets—пряма
PyPIipywidgets7.5пряма
PyPIkaleido—пряма
PyPIkaleido0.2.0пряма
PyPIlightgbm—пряма
PyPIlightgbm4.0.0пряма
PyPIlime—пряма
PyPIlime0.2.0.1пряма
PyPImatplotlib—пряма
PyPImatplotlib3.3.3пряма
PyPInetworkx—пряма
PyPInetworkx2.7пряма
PyPInlp-primitives—пряма
PyPInlp-primitives2.9.0пряма
PyPInumpy—пряма
PyPInumpy1.22.0пряма
PyPIpackaging—пряма
PyPIpackaging23.0пряма
PyPIpandas—пряма
PyPIpandas1.5.0пряма
PyPIplotly—пряма
PyPIplotly5.0.0пряма
PyPIpmdarima—пряма
PyPIpmdarima1.8.5пряма
PyPIpyzmq—пряма
PyPIpyzmq21.0.2пряма
PyPIscikit-learn—пряма
PyPIscikit-learn1.3.2пряма
PyPIscikit-optimize—пряма
PyPIscikit-optimize0.9.0пряма
PyPIscipy—пряма
PyPIscipy1.5.0пряма
PyPIseaborn—пряма
PyPIseaborn0.11.1пряма
PyPIshap—пряма
PyPIshap0.45.0пряма
PyPIsktime—пряма
PyPIsktime0.21.0пряма
PyPIstatsmodels—пряма
PyPIstatsmodels0.12.2пряма
PyPItexttable—пряма
PyPItexttable1.6.2пряма
PyPItomli—пряма
PyPItomli2.0.1пряма
PyPIwoodwork—пряма
PyPIwoodwork0.22.0пряма
PyPIxgboost—пряма
PyPIxgboost1.7.0.post0пряма
PyPIcoverage6.4непряма
PyPIipython8.10.0непряма
PyPInbval0.9.3непряма
PyPIpytest7.1.2непряма
PyPIpytest-cov2.10.1непряма
PyPIpytest-timeout1.4.2непряма
PyPIpytest-xdist2.1.0непряма
PyPIpyyaml6.0.1непряма
PyPIsetuptools—непряма
Сповіщення про залежності 1

Встановлення pypi:evalml@0.84.0 тягне 106 пакетів, прямих і транзитивних: 1 мають відомі сповіщення, з них 1 — прямі залежності.

ПакетВерсіяЗв'язокКритичністьСповіщеньВиправлено в
scikit-learn1.4.2прямапомірна21.5.0

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 alteryx/evalml. Читати поруч →

100wandb/wandbThe AI developer platform. Use Weights & Biases to train and fine-tune models, and manage models from experimentation to production.Винятковий99ray-project/rayRay is an AI compute engine. Ray consists of a core distributed runtime and a set of AI Libraries for accelerating ML workloads.Винятковий98Nixtla/statsforecastLightning ⚡️ fast forecasting with statistical and econometric models.Винятковий98zenml-io/zenmlZenML 🙏: One AI Platform from Pipelines to Agents. https://zenml.io.Винятковий98autogluon/autogluonFast and Accurate ML in 3 Lines of CodeВинятковий96microsoft/FLAMLA fast library for AutoML and tuning. Join our Discord: https://discord.gg/Cppx2vSPVP.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 v0.34.0 — повна методологія · вікі метрик.

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