Публічний реєстр
Звіт про здоров'я програмного забезпеченнясхема 0.31.0 · метрики 2.10.0 · 2026-08-12 22:34 UTC

interpretml / interpret

Fit interpretable models. Explain blackbox machine learning.

C++ · PythonMIT★ 6 916 зірок⑂ 782 форкиз трав. 2019 р.Переглянути на GitHub ↗
ТипБібліотекаяк це визначено
#machine-learning#interpretability#gradient-boosting#blackbox#scikit-learn#xai#interpretml#interpretable-machine-learning#interpretable-ai#transparency#iml#interpretable-ml#explainable-ml#explainability#bias#ai#artificial-intelligence#explainable-ai#differential-privacy

interpretml/interpret має індекс здоров’я 92 зі 100, що відповідає смузі «Відмінний». Найвищий показник — Engineering Quality (92/100), найнижчий — Security (67/100). Останнє оновлення було 2 дні тому. Більшість нещодавньої роботи виконує один учасник.

92
загалом / 100
Відмінний

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»).

92
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 78 калібровано до 92 за шкалою опублікованого індексу (калібрування реєстру 2026-08-02).

Власність

InterpretMLОрганізація
290 підписників15 публічних репозиторіївз квіт. 2017 р.

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

Пакетні екосистеми

РеєстрПакетВерсіяЗавантажень / місВерсіїОстання публікація
npm@interpretml/interpret-inline0.7.850746148 днів тому
PyPIinterpret0.7.8-71148 днів тому
PyPIinterpret-core0.7.8-50148 днів тому
PyPIpowerlift0.1.129415683 дні тому

Метрики за категоріями

Життєздатність

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

85Відмінний · 21% загального індексу

Активність розробки

81Відмінний
Як обчислюється оцінка
36/36Свіжість push — останній push 2 дн. тому
18/36Ритм комітів — 26/52 тижнів із комітами
18/18Обсяг комітів — 211 комітів за останній рік
9/10OpenSSF Scorecard: Maintained — 8 commit(s) and 3 issue activity found in the last 90 days -- score normalized to 9
Використані вхідні дані
commits_last_year211
human_commit_share0,95
days_since_last_push2
active_weeks_last_year26

Дисципліна релізів

90Відмінний
Як обчислюється оцінка
27/27Випускає релізи — опубліковано 66 релізів
27/36Свіжість релізів — останній реліз 147 дн. тому
27/27Ритм релізів — реліз кожні ~27,6 дн.
0/10OpenSSF Scorecard: Signed-Releases — немає даних
Використані вхідні дані
releases_count66
latest_release_tagv0.7.8
releases_from_tagsні
days_since_latest_release147
mean_days_between_releases27,6
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?

74Добрий · 17% загального індексу

Популярність і впровадження

96Винятковий
Як обчислюється оцінка
60/60Зірки — 6 916 зірок
24.1/25Форки — 782 форків
11.9/15Спостерігачі — 141 спостерігачів
Використані вхідні дані
forks782
stars6 916
watchers141
growth_stateunverified
growth_factor_pct100
growth_unverified_reasonno_history

Здоров'я спільноти

70Добрий
Як обчислюється оцінка
22.5/22.5README
22.5/22.5Ліцензія — визнана ліцензія (MIT)
18/18Настанови CONTRIBUTING
0/13.5Кодекс поведінки
0/7.2Шаблон issue
0/6.3Шаблон PR
Використані вхідні дані
has_readmeтак
has_licenseтак
readme_badges7
has_contributingтак
has_issue_templateні
has_code_of_conductні
readme_badge_servicescodecov.io, github.com, shields.io
has_pull_request_templateні

Впровадження в екосистемі (завантаження)

46Слабкий
Як обчислюється оцінка
37.1/80Щомісячні завантаження — 601 завантажень/місяць у npm, pypi
0/20Залежні пакети в реєстрі — ця екосистема цього не повідомляє
Використані вхідні дані
packages@interpretml/interpret-inline, interpret, interpret-core, powerlift
dependents—
ecosystemsnpm, pypi
total_downloads—
monthly_downloads601
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?

72Добрий · 23% загального індексу

Стійкість мейнтейнерів (бас-фактор)

42Слабкий
Як обчислюється оцінка
9/54Бас-фактор — на 1 контриб’ютор(ів) припадає половина всіх комітів
9.7/22.5Розподіл комітів — головний контриб’ютор — автор 57% комітів
13.5/13.5Широта контриб’юторів — 49 контриб’юторів
10/10OpenSSF Scorecard: Contributors — project has 3 contributing companies or organizations -- score normalized to 10
Використані вхідні дані
bus_factor1
contributors_sampled49
top_contributor_share0,571

Реактивність на issue та PR

73Добрий
Як обчислюється оцінка
38.3/42Вирішення issue — закрито 91% issue
23.3/30Прийняття PR — злито 135/174 вирішених PR
0/13Newcomer PR acceptance — за 30 дн. не вирішено жодного PR від новачка
1.5/15OpenSSF Scorecard: Code-Review — Found 4/26 approved changesets -- score normalized to 1
Використані вхідні дані
merged_prs135
open_issues42
closed_issues443
prs_merged_7d0
prs_decided_7d0
prs_merged_30d0
prs_decided_30d0
issue_closed_ratio0,913
closed_unmerged_prs39
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

86Відмінний
Як обчислюється оцінка
30/30Підтримка власника — у власності організації
0/20Верифікований домен — статус підтвердженого домену для цієї організації не зчитано
17.7/25Охоплення власника — 290 підписників у interpretml
20.8/25Послужний список — 15 публічних репозиторіїв, вік облікового запису ~9 р.
Використані вхідні дані
followers290
owner_typeOrganization
is_verified—
owner_logininterpretml
public_repos15
account_age_days3 411
Виключено з оцінювання (немає даних або не застосовно): Верифікований домен. Залишкові ваги перенормовано.

Супровід пакетів

100Винятковий
Як обчислюється оцінка
25/25Опубліковано й доступно — 4 пакет(ів) у npm, pypi
35/35Свіжість публікацій — остання публікація 148 дн. тому
20/20Історія версій — 71 опублікованих версій
20/20Не застарілий — активний, не deprecated і не yanked
Використані вхідні дані
packages@interpretml/interpret-inline, interpret, interpret-core, powerlift
ecosystemsnpm, pypi
any_deprecatedні
min_days_since_publish148

Інженерна якість

Чи наявні базові інженерні практики та документація?

92Відмінний · 19% загального індексу

Інженерні практики

94Винятковий
Як обчислюється оцінка
24/24Процеси CI — 4 процес(ів) CI
24/24Наявні тести
16/16Конфігурація лінтера — .eslintrc.json, .flake8, ruff.toml
9.6/9.6Pre-commit-хуки
0/6.4.editorconfig
20/20OpenSSF Scorecard: CI-Tests — 8 out of 8 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://interpret.ml/docs
10/10Опис репозиторію
10/10Теми — 19 тем
0/10Wiki
Використані вхідні дані
topicsmachine-learning, interpretability, gradient-boosting, blackbox, scikit-learn, xai, interpretml, interpretable-machine-learning, interpretable-ai, transparency, iml, interpretable-ml, explainable-ml, explainability, bias, ai, artificial-intelligence, explainable-ai, differential-privacy
has_wikiні
homepagehttps://interpret.ml/docs
docs_sitehttps://interpret.ml/docs
has_readmeтак
has_docs_dirтак
has_descriptionтак

Безпека

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

67Добрий · 16% загального індексу

Стан безпеки

59Помірний
Як обчислюється оцінка
7.5/7.5Binary-Artifacts — no binaries found in the repo
0/7.5Branch-Protection — branch protection not enabled on development/release branches
2.5/2.5CI-Tests — 8 out of 8 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
0.8/7.5Code-Review — Found 4/26 approved changesets -- score normalized to 1
2.5/2.5Contributors — project has 3 contributing companies or organizations -- score normalized to 10
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
6.8/7.5Maintained — 8 commit(s) and 3 issue activity found in the last 90 days -- score normalized to 9
5/5Packaging — packaging workflow detected
0/5Pinned-Dependencies — dependency not pinned by hash detected -- score normalized to 0
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
7.5/7.5Token-Permissions — GitHub workflow tokens follow principle of least privilege
2.2/7.5Vulnerabilities — 7 existing vulnerabilities detected
Використані вхідні дані
sourceopenssf_scorecard
checks_evaluated17
scorecard_versionv5.5.0
checks_inconclusive1
scorecard_aggregate5,9
Виключено з оцінювання (немає даних або не застосовно): 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_packages78
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:interpret@0.7.8 — тим, що тягне за собою встановлення опублікованого пакета, — 78 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.

80Відмінний · 4% загального індексу

Контекст і настанови для агентів

52Помірний
Як обчислюється оцінка
45/45Інструкції для агентів — CLAUDE.md
0/15Машиночитана документація (llms.txt)
6.7/40Читабельна історія комітів — намір зазначено у 12 з 95 людських комітів (структурований заголовок або пояснювальний текст)
Використані вхідні дані
has_llms_txtні
llms_txt_url—
legible_history_share0,126
agent_instruction_filesCLAUDE.md
agent_instruction_max_bytes11 853

Цикл верифікації (збірка / тести / перевірка типів)

88Відмінний
Як обчислюється оцінка
18/18Розгортання однією командою — scripts/Makefile
22/22Автоматизовані тести
11/11Конфігурація лінтера / форматера — .eslintrc.json, .flake8, ruff.toml
11/11Статична перевірка типів — C++ (статично типізована)
10/10Відтворюване середовище — Dockerfile
8/10Підтверджена практика роботи з агентами — 4 з останніх 100 комітів створено агентом або з його зазначенням
8/8Автоматизоване супроводження — 3 з останніх 100 комітів — автоматичні оновлення залежностей
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_languageтак
bootstrap_filesscripts/Makefile
has_devcontainerні
has_linter_configтак
typecheck_configs—
agent_commit_share0,04
toolchain_manifests—
dependency_bot_commit_share0,03

Читабельність коду для моделей

98Винятковий
Як обчислюється оцінка
45/45Типізований код — C++ (статично типізована)
52.5/55Керовані розміри файлів — 13/289 файлів вихідного коду понад 60 КБ
Використані вхідні дані
primary_languageC++
largest_source_bytes191 608
source_files_sampled289
oversized_source_files13

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 — examples, notebooks
Використані вхідні дані
example_dirsexamples, 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

6 916зірок GitHub
49контриб'юторів
211комітів за останні 12 місяців
2днів від останнього пушу
66релізів
1бас-фактор
42відкритих 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 ★ / 782 ⇿
0Зірки
782Форки
66Релізи

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.

0200400600800767552019-052022-122026-08
Мажорні 0Мінорні 7Патчі 59

Кожна точка охоплює 7 днів.

OpenSSF Scorecard 5.9 / 10
5.9сукупно

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 · 2026-08-12 22:34 UTC

10Binary-Artifactsno binaries found in the repo
0Branch-Protectionbranch protection not enabled on development/release branches
10CI-Tests8 out of 8 merged PRs checked by a CI test -- score normalized to 10
0CII-Best-Practicesno effort to earn an OpenSSF best practices badge detected
1Code-ReviewFound 4/26 approved changesets -- score normalized to 1
10Contributorsproject has 3 contributing companies or organizations -- score normalized to 10
10Dangerous-Workflowno dangerous workflow patterns detected
10Dependency-Update-Toolupdate tool detected
0Fuzzingproject is not fuzzed
10Licenselicense file detected
9Maintained8 commit(s) and 3 issue activity found in the last 90 days -- score normalized to 9
10Packagingpackaging workflow detected
0Pinned-Dependenciesdependency not pinned by hash detected -- score normalized to 0
5SASTSAST tool is not run on all commits -- score normalized to 5
0Security-Policysecurity policy file not detected
н/дSigned-Releasesno releases found
10Token-PermissionsGitHub workflow tokens follow principle of least privilege
3Vulnerabilities7 existing vulnerabilities detected
Прямі залежності 9
РеєстрПакетОбмеження версіїМаніфест
PyPISQLAlchemy>=1.4python/powerlift/pyproject.toml
PyPIsqlalchemy-utils>=0.38python/powerlift/pyproject.toml
PyPItqdm—python/powerlift/pyproject.toml
PyPIfastparquet—python/powerlift/pyproject.toml
PyPIpandas—python/powerlift/pyproject.toml
PyPInumpy—python/powerlift/pyproject.toml
PyPIpytz—python/powerlift/pyproject.toml
npmcytoscape^3.33.1shared/vis/package.json
npmplotly.js-cartesian-dist-min^2.35.3shared/vis/package.json
Усі залежності 144

Повний розв'язаний набір залежностей із графа залежностей GitHub: 7 прямих і 137 непрямих (транзитивних) пакетів. Транзитивне замикання є повним, коли в репозиторії закомічено lockfile.

РеєстрПакетВерсіяЗв'язок
npmcytoscape^3.33.1пряма
npmplotly.js-cartesian-dist-min^2.35.3пряма
PyPInumpy—пряма
PyPIpandas—пряма
PyPIsqlalchemy—пряма
PyPIsqlalchemy2.0.48пряма
PyPIsqlalchemy-utils—пряма
npm@babel/core^7.29.0непряма
npm@babel/preset-env^7.29.0непряма
npmbabel-loader^10.1.1непряма
npmcss-loader^7.1.4непряма
npmeslint^9.39.4непряма
npmeslint-config-prettier^10.1.8непряма
npmeslint-plugin-prettier^5.5.5непряма
npmprettier^3.8.1непряма
npmsass^1.98.0непряма
npmsass-loader^16.0.7непряма
npmstyle-loader^4.0.0непряма
npmwebpack^5.105.4непряма
npmwebpack-cli^6.0.1непряма
npmwebpack-dev-server^5.2.3непряма
PyPIaccessible-pygments0.0.5непряма
PyPIalabaster0.7.16непряма
PyPIaplr—непряма
PyPIasttokens3.0.1непряма
PyPIattrs25.4.0непряма
PyPIbabel2.18.0непряма
PyPIbeautifulsoup44.14.3непряма
PyPIcertifi2026.2.25непряма
PyPIcharset-normalizer3.4.5непряма
PyPIclick8.3.1непряма
PyPIcomm0.2.3непряма
PyPIdash—непряма
PyPIdash-cytoscape—непряма
PyPIdebugpy1.8.20непряма
PyPIdecorator5.2.1непряма
PyPIdocutils0.18.1непряма
PyPIdotsi—непряма
PyPIexceptiongroup1.3.1непряма
PyPIexecuting2.2.1непряма
PyPIfastjsonschema2.21.2непряма
PyPIflask—непряма
PyPIgevent—непряма
PyPIgreenlet3.3.2непряма
PyPIidna3.15непряма
PyPIimagesize2.0.0непряма
PyPIimportlib-metadata8.7.1непряма
PyPIinterpret-core0.7.8непряма
PyPIipykernel7.2.0непряма
PyPIipython—непряма
PyPIipython8.38.0непряма
PyPIipywidgets—непряма
PyPIjedi0.19.2непряма
PyPIjinja23.1.6непряма
PyPIjoblib—непряма
PyPIjsonschema4.26.0непряма
PyPIjsonschema-specifications2025.9.1непряма
PyPIjupyter-book0.15.1непряма
PyPIjupyter-cache0.6.1непряма
PyPIjupyter-client8.8.0непряма
PyPIjupyter-core5.9.1непряма
PyPIlatexcodec3.0.1непряма
PyPIlime—непряма
PyPIlinkify-it-py2.0.3непряма
PyPImarkdown-it-py2.2.0непряма
PyPImarkupsafe3.0.3непряма
PyPImatplotlib—непряма
PyPImatplotlib-inline0.2.1непряма
PyPImdit-py-plugins0.3.5непряма
PyPImdurl0.1.2непряма
PyPImyst-nb0.17.2непряма
PyPImyst-parser0.18.1непряма
PyPInbclient0.7.4непряма
PyPInbconvert—непряма
PyPInbformat—непряма
PyPInbformat5.10.4непряма
PyPInest-asyncio1.6.0непряма
PyPIopenml—непряма
PyPIpackaging26.0непряма
PyPIparso0.8.6непряма
PyPIpexpect4.9.0непряма
PyPIplatformdirs4.9.4непряма
PyPIplotly—непряма
PyPIpmlb—непряма
PyPIprompt-toolkit3.0.52непряма
PyPIpsutil—непряма
PyPIpsutil7.2.2непряма
PyPIpsycopg2—непряма
PyPIptyprocess0.7.0непряма
PyPIpure-eval0.2.3непряма
PyPIpybtex0.25.1непряма
PyPIpybtex-docutils1.0.3непряма
PyPIpydata-sphinx-theme0.15.4непряма
PyPIpygments2.20.0непряма
PyPIpytest—непряма
PyPIpytest-cov—непряма
PyPIpytest-xdist—непряма
PyPIpython-dateutil2.9.0.post0непряма
PyPIpyyaml6.0.3непряма
PyPIpyzmq27.1.0непряма
PyPIreferencing0.37.0непряма
PyPIrequests—непряма
PyPIrequests2.33.0непряма
PyPIrpds-py0.30.0непряма
PyPIsalib—непряма
PyPIscikit-learn—непряма
PyPIscipy—непряма
PyPIseaborn—непряма
PyPIselenium—непряма
PyPIsetuptools—непряма
PyPIshap—непряма
PyPIsix1.17.0непряма
PyPIskope-rules—непряма
PyPIsnowballstemmer3.0.1непряма
PyPIsoupsieve2.8.3непряма
PyPIsphinx5.0.2непряма
PyPIsphinx-book-theme1.0.1непряма
PyPIsphinx-comments0.0.3непряма
PyPIsphinx-copybutton0.5.2непряма
PyPIsphinx-design0.3.0непряма
PyPIsphinx-external-toc0.3.1непряма
PyPIsphinx-jupyterbook-latex0.5.2непряма
PyPIsphinx-multitoc-numbering0.1.3непряма
PyPIsphinx-thebe0.2.1непряма
PyPIsphinx-togglebutton0.4.4непряма
PyPIsphinxcontrib-applehelp2.0.0непряма
PyPIsphinxcontrib-bibtex2.5.0непряма
PyPIsphinxcontrib-devhelp2.0.0непряма
PyPIsphinxcontrib-htmlhelp2.1.0непряма
PyPIsphinxcontrib-jsmath1.0.1непряма
PyPIsphinxcontrib-qthelp2.0.0непряма
PyPIsphinxcontrib-serializinghtml2.0.0непряма
PyPIstack-data0.6.3непряма
PyPItabulate0.10.0непряма
PyPItornado6.5.5непряма
PyPItraitlets5.14.3непряма
PyPItreeinterpreter—непряма
PyPItyping-extensions4.15.0непряма
PyPIuc-micro-py2.0.0непряма
PyPIurllib32.7.0непряма
PyPIwcwidth0.6.0непряма
PyPIwheel0.46.3непряма
PyPIxlsxwriter—непряма
PyPIzipp3.23.0непряма
Сповіщення про залежності 0

Встановлення pypi:interpret@0.7.8 тягне 78 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 interpretml/interpret. Читати поруч →

100onnx/onnxOpen standard for machine learning interoperabilityВинятковий98sktime/sktimeA unified framework for machine learning with time seriesВинятковий98basetenlabs/trussThe simplest way to serve AI/ML models in productionВинятковий98huggingface/datasets🤗 The largest hub of ready-to-use datasets for AI models with fast, easy-to-use and efficient data manipulation toolsВинятковий97Lightning-AI/pytorch-lightningPretrain, finetune ANY AI model of ANY size on 1 or 10,000+ GPUs with zero code changes.Винятковий96vercel/aiThe AI Toolkit for TypeScript. From the creators of Next.js, the AI SDK is a free open-source library for building AI-powered applications and agents 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 v0.31.0 — повна методологія · вікі метрик.

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