Публічний реєстр
Звіт про здоров'я програмного забезпеченнясхема 0.34.0 · метрики 2.10.0 · 2026-09-16 18:15 UTC

dmlc / xgboost

Scalable, Portable and Distributed Gradient Boosting (GBDT, GBRT or GBM) Library, for Python, R, Java, Scala, C and more. Runs on single machine, Hadoop, Spark, Dask, Flink and DataFlow

C++ · Python · CudaApache-2.0★ 28 768 зірок⑂ 8 899 форківз лют. 2014 р.Переглянути на GitHub ↗
ТипБібліотекаяк це визначено
#gbdt#gbrt#gbm#distributed-systems#xgboost#machine-learning

dmlc/xgboost має індекс здоров’я 98 зі 100, що відповідає смузі «Винятковий». Найвищий показник — Engineering Quality (100/100), найнижчий — AI Readiness (74/100). Останнє оновлення — сьогодні. Більшість нещодавньої роботи виконують 2 учасники.

98
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»).

98
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 87 калібровано до 98 за шкалою опублікованого індексу (калібрування реєстру 2026-08-02).

Власність

Distributed (Deep) Machine Learning CommunityОрганізація
1 783 підписники52 публічні репозиторіїз бер. 2015 р.

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

Пакетні екосистеми

РеєстрПакетВерсіяЗавантажень / місВерсіїОстання публікація
PyPIxgboost3.4.1-9332 дні тому

Метрики за категоріями

Життєздатність

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

99Винятковий · 21% загального індексу

Активність розробки

99Винятковий
Як обчислюється оцінка
36/36Свіжість push — останній push 0 дн. тому
35.3/36Ритм комітів — 51/52 тижнів із комітами
18/18Обсяг комітів — 476 комітів за останній рік
0/10OpenSSF Scorecard: Maintained — немає даних
Використані вхідні дані
commits_last_year476
human_commit_share0,93
days_since_last_push0
active_weeks_last_year51

Дисципліна релізів

100Винятковий
Як обчислюється оцінка
27/27Випускає релізи — опубліковано 80 релізів
36/36Свіжість релізів — останній реліз 1 дн. тому
27/27Ритм релізів — реліз кожні ~36,9 дн.
0/10OpenSSF Scorecard: Signed-Releases — немає даних
Використані вхідні дані
releases_count80
latest_release_tagv3.3.1
releases_from_tagsні
days_since_latest_release1
mean_days_between_releases36,9

Спільнота та впровадження

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

80Відмінний · 17% загального індексу

Популярність і впровадження

100Винятковий
Як обчислюється оцінка
60/60Зірки — 28 768 зірок
25/25Форки — 8 899 форків
15/15Спостерігачі — 886 спостерігачів
Використані вхідні дані
forks8 899
stars28 768
watchers886
growth_stateunverified
growth_factor_pct100
growth_unverified_reasonno_history

Здоров'я спільноти

58Помірний
Як обчислюється оцінка
22.5/22.5README
22.5/22.5Ліцензія — визнана ліцензія (Apache-2.0)
0/18Настанови CONTRIBUTING
0/13.5Кодекс поведінки
7.2/7.2Шаблон issue
0/6.3Шаблон PR
Використані вхідні дані
has_readmeтак
has_licenseтак
readme_badges12
has_contributingні
has_issue_templateтак
has_code_of_conductні
readme_badge_servicesapi.securityscorecards.dev, badge.fury.io, github.com, opencollective.com, readthedocs.org, shields.io
has_pull_request_templateні

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)

61Помірний
Як обчислюється оцінка
25.2/54Бас-фактор — на 2 контриб’ютор(ів) припадає половина всіх комітів
16.1/22.5Розподіл комітів — головний контриб’ютор — автор 29% комітів
13.5/13.5Широта контриб’юторів — 98 контриб’юторів
0/10OpenSSF Scorecard: Contributors — немає даних
Використані вхідні дані
bus_factor2
contributors_sampled98
top_contributor_share0,286

Реактивність на issue та PR

83Відмінний
Як обчислюється оцінка
39/42Вирішення issue — закрито 93% issue
24.1/30Прийняття PR — злито 5 452/6 774 вирішених PR
7.8/13Newcomer PR acceptance — злито 6/10 PR від новачків за 30 дн.
0/15OpenSSF Scorecard: Code-Review — немає даних
Використані вхідні дані
merged_prs5 452
open_issues404
closed_issues5 320
prs_merged_7d17
prs_decided_7d17
prs_merged_30d43
prs_decided_30d53
issue_closed_ratio0,929
closed_unmerged_prs1 322
first_time_authors_30d7
first_time_prs_merged_30d6
first_time_prs_decided_30d10

Власність та опіка

78Добрий
Як обчислюється оцінка
30/30Підтримка власника — у власності організації
0/20Верифікований домен
23.4/25Охоплення власника — 1 783 підписників у dmlc
24.6/25Послужний список — 52 публічних репозиторіїв, вік облікового запису ~11 р.
Використані вхідні дані
followers1 783
owner_typeOrganization
is_verifiedні
owner_logindmlc
public_repos52
account_age_days4 201

Супровід пакетів

100Винятковий
Як обчислюється оцінка
25/25Опубліковано й доступно — 1 пакет(ів) у pypi
35/35Свіжість публікацій — остання публікація 32 дн. тому
20/20Історія версій — 93 опублікованих версій
20/20Не застарілий — активний, не deprecated і не yanked
Використані вхідні дані
packagesxgboost
ecosystemspypi
any_deprecatedні
min_days_since_publish32

Інженерна якість

Чи наявні базові інженерні практики та документація?

100Винятковий · 19% загального індексу

Інженерні практики

100Винятковий
Як обчислюється оцінка
24/24Процеси CI — 17 процес(ів) CI
24/24Наявні тести
16/16Конфігурація лінтера — python-package/pyproject.toml ([tool.ruff], [tool.pylint])
9.6/9.6Pre-commit-хуки
6.4/6.4.editorconfig
0/20OpenSSF Scorecard: CI-Tests — немає даних
Використані вхідні дані
has_ciтак
has_testsтак
has_editorconfigтак
has_linter_configтак
has_precommit_configтак

Документація

100Винятковий
Як обчислюється оцінка
30/30README
25/25Каталог документації
15/15Сайт документації / домашня сторінка — https://xgboost.readthedocs.io/
10/10Опис репозиторію
10/10Теми — 6 тем
10/10Wiki
Використані вхідні дані
topicsgbdt, gbrt, gbm, distributed-systems, xgboost, machine-learning
has_wikiтак
homepagehttps://xgboost.readthedocs.io/
docs_sitehttps://xgboost.readthedocs.io/
has_readmeтак
has_docs_dirтак
has_descriptionтак

Безпека

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

78Добрий · 16% загального індексу

Стан безпеки

73Добрий
Як обчислюється оцінка
30/30Політика безпеки (SECURITY.md)
25/25Конфігурація Dependabot
0/25Файли фіксації залежностей — опублікована бібліотека — lockfile є справою застосунків, не очікується
0/20Процес CodeQL
Використані вхідні дані
sourcefile_signals
lockfiles—
manifestsdoc/requirements.txt, jvm-packages/pom.xml, python-package/pyproject.toml
has_codeql_workflowні
has_security_policyтак
has_dependabot_configтак
Виключено з оцінювання (немає даних або не застосовно): Файли фіксації залежностей. 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_packages3
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:xgboost@3.4.1 — тим, що тягне за собою встановлення опублікованого пакета, — 3 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.

74Добрий · 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 88 з 93 людських комітів (структурований заголовок або пояснювальний текст)
Використані вхідні дані
has_llms_txtні
llms_txt_url—
legible_history_share0,946
agent_instruction_files—
agent_instruction_max_bytes—

Цикл верифікації (збірка / тести / перевірка типів)

80Відмінний
Як обчислюється оцінка
18/18Розгортання однією командою — demo/c-api/basic/Makefile, doc/Makefile, doc/R-package/Makefile
22/22Автоматизовані тести
11/11Конфігурація лінтера / форматера — python-package/pyproject.toml ([tool.ruff], [tool.pylint])
11/11Статична перевірка типів — python-package/xgboost/py.typed
0/10Відтворюване середовище
2/10Підтверджена практика роботи з агентами — 1 з останніх 100 комітів створено агентом або з його зазначенням
8/8Автоматизоване супроводження — 7 з останніх 100 комітів — автоматичні оновлення залежностей
0/10OpenSSF Scorecard: Pinned-Dependencies — немає даних
Використані вхідні дані
has_nixні
has_testsтак
lockfiles—
has_dockerfileні
typed_languageтак
bootstrap_filesdemo/c-api/basic/Makefile, doc/Makefile, doc/R-package/Makefile
has_devcontainerні
has_linter_configтак
typecheck_configspython-package/xgboost/py.typed
agent_commit_share0,01
toolchain_manifestsjvm-packages/pom.xml, jvm-packages/xgboost4j-example/pom.xml, jvm-packages/xgboost4j-flink/pom.xml, jvm-packages/xgboost4j-spark-gpu/pom.xml, jvm-packages/xgboost4j-spark/pom.xml, jvm-packages/xgboost4j/pom.xml
dependency_bot_commit_share0,07

Читабельність коду для моделей

100Винятковий
Як обчислюється оцінка
45/45Типізований код — C++ (статично типізована)
54.5/55Керовані розміри файлів — 8/835 файлів вихідного коду понад 60 КБ
Використані вхідні дані
primary_languageC++
largest_source_bytes118 303
source_files_sampled835
oversized_source_files8

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 — example
Використані вхідні дані
example_dirsexample
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

28 768зірок GitHub
98контриб'юторів
476комітів за останні 12 місяців
0днів від останнього пушу
80релізів
2бас-фактор
404відкритих issue
Maven, PyPIпакетних екосистем

Попередження щодо збору даних

  • Star history unavailable: GitHub GraphQL error: Resource not accessible by personal access token
  • First-time contributor figures cover 12 of 15 authors (cap 12)
  • pypi download statistics for 'xgboost' unavailable this scan (stats endpoint failed after retries); adoption may be under-evidenced
  • OpenSSF Scorecard did not return a usable result (killed by SIGKILL — most likely the container's memory limit; 2026/09/16 18:13:23 Warning: PATs stored in env variables GITHUB_AUTH_TOKEN and GITHUB_TOKEN differ. Scorecard will use the former.); skipping Scorecard checks

Докладніше

Історія зірок і форків 0 ★ / 8 899 ⇿
0Зірки
8 899Форки
36Релізи

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.

7 5008 0008 5009 0008 89982022-072024-082026-09
Мажорні 2Мінорні 6Патчі 23

Кожна точка охоплює 4 днів.

Прямі залежності 5
РеєстрПакетОбмеження версіїМаніфест
Mavencom.esotericsoftware:kryo5.6.2jvm-packages/pom.xml
Mavencommons-logging:commons-logging1.3.4jvm-packages/pom.xml
PyPInumpy—python-package/pyproject.toml
PyPIscipy—python-package/pyproject.toml
PyPInvidia-nccl-cu13—python-package/pyproject.toml
Усі залежності 53

Повний розв'язаний набір залежностей із графа залежностей GitHub: 4 прямих і 49 непрямих (транзитивних) пакетів. Транзитивне замикання є повним, коли в репозиторії закомічено lockfile.

РеєстрПакетВерсіяЗв'язок
Mavencom.esotericsoftware:kryo5.6.2пряма
Mavencommons-logging:commons-logging1.3.4пряма
PyPInumpy—пряма
PyPIscipy—пряма
Mavencom.fasterxml.jackson.core:jackson-databind—непряма
Mavenjunit:junit—непряма
Mavenml.dmlc:xgboost4j-flink_2.123.5.0-SNAPSHOTнепряма
Mavenml.dmlc:xgboost4j-spark_2.123.5.0-SNAPSHOTнепряма
Mavenml.dmlc:xgboost4j_2.123.5.0-SNAPSHOTнепряма
Mavennet.alchim31.maven:scala-maven-plugin4.9.2непряма
Mavenorg.apache.flink:flink-clients—непряма
Mavenorg.apache.flink:flink-ml-servable-core2.2.0непряма
Mavenorg.apache.hadoop:hadoop-common—непряма
Mavenorg.apache.hadoop:hadoop-hdfs—непряма
Mavenorg.apache.maven.plugins:maven-assembly-plugin—непряма
Mavenorg.apache.maven.plugins:maven-checkstyle-plugin3.6.0непряма
Mavenorg.apache.maven.plugins:maven-gpg-plugin3.2.7непряма
Mavenorg.apache.maven.plugins:maven-jar-plugin3.4.2непряма
Mavenorg.apache.maven.plugins:maven-javadoc-plugin3.11.3непряма
Mavenorg.apache.maven.plugins:maven-release-plugin3.1.1непряма
Mavenorg.apache.maven.plugins:maven-resources-plugin3.3.1непряма
Mavenorg.apache.maven.plugins:maven-shade-plugin—непряма
Mavenorg.apache.maven.plugins:maven-site-plugin3.21.0непряма
Mavenorg.apache.maven.plugins:maven-source-plugin3.3.1непряма
Mavenorg.apache.maven.plugins:maven-surefire-plugin—непряма
Mavenorg.apache.maven.plugins:maven-surefire-plugin3.5.2непряма
Mavenorg.codehaus.mojo:exec-maven-plugin3.5.0непряма
Mavenorg.scala-lang:scala-compiler—непряма
Mavenorg.scala-lang:scala-library—непряма
Mavenorg.scalactic:scalactic_2.123.2.19непряма
Mavenorg.scalatest:scalatest-maven-plugin—непряма
Mavenorg.scalatest:scalatest-maven-plugin2.2.0непряма
Mavenorg.scalatest:scalatest_2.123.2.19непряма
Mavenorg.sonatype.central:central-publishing-maven-plugin0.11.0непряма
PyPIbreathe—непряма
PyPIcloudpickle—непряма
PyPIdask—непряма
PyPIgraphviz—непряма
PyPImatplotlib—непряма
PyPImock—непряма
PyPImyst-parser—непряма
PyPIpandas—непряма
PyPIpyspark—непряма
PyPIray—непряма
PyPIscikit-build-core—непряма
PyPIscikit-learn—непряма
PyPIsetuptools—непряма
PyPIsh—непряма
PyPIsphinx—непряма
PyPIsphinx-gallery—непряма
PyPIsphinx-issues—непряма
PyPIsphinx-rtd-theme—непряма
PyPIsphinx-tabs—непряма
Сповіщення про залежності 0

Встановлення pypi:xgboost@3.4.1 тягне 3 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 dmlc/xgboost. Читати поруч →

98kserve/kserveStandardized Distributed Generative and Predictive AI Inference Platform for Scalable, Multi-Framework Deployment on KubernetesВинятковий98Eventual-Inc/DaftHigh-performance data engine for AI and multimodal workloads. Process images, audio, video, and structured data at any scaleВинятковий96Nixtla/mlforecastScalable machine 🤖 learning for time series forecasting.Винятковий92proffesor-for-testing/agentic-qeAgentic QE Fleet is an open-source AI-powered QA/QE platform designed for use with Coding Agents (works best with Claude Code) featuring specialized agents and skills to support testing activities for a product at any stage of the SDLC. Free to use, fork, build, and contribute. Based on the Agentic QE Framework created by Dragan Spiridonov.Відмінний100apache/airflowApache Airflow - A platform to programmatically author, schedule, and monitor workflowsВинятковий100microsoft/onnxruntimeONNX Runtime: cross-platform, high performance ML inferencing and training acceleratorВинятковий

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.