Публічний реєстр
Звіт про здоров'я програмного забезпеченнясхема 0.34.0 · метрики 2.10.0 · 2026-09-16 10:51 UTC

scikit-learn / scikit-learn

scikit-learn: machine learning in Python

PythonBSD-3-Clause★ 67 270 зірок⑂ 27 406 форківз серп. 2010 р.Переглянути на GitHub ↗
ТипБібліотекаяк це визначено
#machine-learning#python#statistics#data-science#data-analysis

scikit-learn/scikit-learn має індекс здоров’я 100 зі 100, що відповідає смузі «Винятковий». Найвищий показник — Vitality (97/100), найнижчий — Sustainability & Governance (87/100). Останнє оновлення було 1 день тому. Більшість нещодавньої роботи виконують 9 учасників.

100
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»).

100
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 94 калібровано до 100 за шкалою опублікованого індексу (калібрування реєстру 2026-08-02).

Власність

scikit-learnОрганізація
5 699 підписників17 публічних репозиторіївз серп. 2010 р.

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

Пакетні екосистеми

РеєстрПакетВерсіяЗавантажень / місВерсіїОстання публікація
PyPIscikit-learn1.9.1199 400 709765 днів тому

Метрики за категоріями

Життєздатність

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

97Винятковий · 21% загального індексу

Активність розробки

100Винятковий
Як обчислюється оцінка
36/36Свіжість push — останній push 1 дн. тому
36/36Ритм комітів — 52/52 тижнів із комітами
18/18Обсяг комітів — 1 149 комітів за останній рік
10/10OpenSSF Scorecard: Maintained — 30 commit(s) and 17 issue activity found in the last 90 days -- score normalized to 10
Використані вхідні дані
commits_last_year1 149
human_commit_share1
days_since_last_push1
active_weeks_last_year52

Дисципліна релізів

92Відмінний
Як обчислюється оцінка
27/27Випускає релізи — опубліковано 51 релізів
36/36Свіжість релізів — останній реліз 5 дн. тому
19.8/27Ритм релізів — реліз кожні ~88,9 дн.
0/10OpenSSF Scorecard: Signed-Releases — немає даних
Використані вхідні дані
releases_count51
latest_release_tag1.9.1
releases_from_tagsні
days_since_latest_release5
mean_days_between_releases88,9
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?

97Винятковий · 17% загального індексу

Популярність і впровадження

100Винятковий
Як обчислюється оцінка
60/60Зірки — 67 270 зірок
25/25Форки — 27 406 форків
15/15Спостерігачі — 2 132 спостерігачів
Використані вхідні дані
forks27 406
stars67 270
watchers2 132
growth_stateorganic
growth_factor_pct100

Здоров'я спільноти

92Відмінний
Як обчислюється оцінка
22.5/22.5README
22.5/22.5Ліцензія — визнана ліцензія (BSD-3-Clause)
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_badges0
has_contributingтак
has_issue_templateні
has_code_of_conductтак
readme_badge_services—
has_pull_request_templateтак

Впровадження в екосистемі (завантаження)

100Винятковий
Як обчислюється оцінка
80/80Щомісячні завантаження — 199 400 709 завантажень/місяць у pypi
0/20Залежні пакети в реєстрі — ця екосистема цього не повідомляє
Використані вхідні дані
packagesscikit-learn
dependents—
ecosystemspypi
total_downloads—
monthly_downloads199 400 709
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?

87Відмінний · 23% загального індексу

Стійкість мейнтейнерів (бас-фактор)

97Винятковий
Як обчислюється оцінка
54/54Бас-фактор — на 9 контриб’ютор(ів) припадає половина всіх комітів
19.9/22.5Розподіл комітів — головний контриб’ютор — автор 12% комітів
13.5/13.5Широта контриб’юторів — 100 контриб’юторів
10/10OpenSSF Scorecard: Contributors — project has 98 contributing companies or organizations
Використані вхідні дані
bus_factor9
contributors_sampled100
top_contributor_share0,117

Реактивність на issue та PR

77Добрий
Як обчислюється оцінка
36.7/42Вирішення issue — закрито 87% issue
21.2/30Прийняття PR — злито 14 780/20 880 вирішених PR
4.3/13Newcomer PR acceptance — злито 2/6 PR від новачків за 30 дн.
15/15OpenSSF Scorecard: Code-Review — all changesets reviewed
Використані вхідні дані
merged_prs14 780
open_issues1 547
closed_issues10 734
prs_merged_7d24
prs_decided_7d38
prs_merged_30d32
prs_decided_30d57
issue_closed_ratio0,874
closed_unmerged_prs6 100
first_time_authors_30d6
first_time_prs_merged_30d2
first_time_prs_decided_30d6

Власність та опіка

76Добрий
Як обчислюється оцінка
30/30Підтримка власника — у власності організації
0/20Верифікований домен
25/25Охоплення власника — 5 699 підписників у scikit-learn
21.1/25Послужний список — 17 публічних репозиторіїв, вік облікового запису ~16 р.
Використані вхідні дані
followers5 699
owner_typeOrganization
is_verifiedні
owner_loginscikit-learn
public_repos17
account_age_days5 875

Супровід пакетів

100Винятковий
Як обчислюється оцінка
25/25Опубліковано й доступно — 1 пакет(ів) у pypi
35/35Свіжість публікацій — остання публікація 5 дн. тому
20/20Історія версій — 76 опублікованих версій
20/20Не застарілий — активний, не deprecated і не yanked
Використані вхідні дані
packagesscikit-learn
ecosystemspypi
any_deprecatedні
min_days_since_publish5

Інженерна якість

Чи наявні базові інженерні практики та документація?

96Винятковий · 19% загального індексу

Інженерні практики

94Винятковий
Як обчислюється оцінка
24/24Процеси CI — 22 процес(ів) CI
24/24Наявні тести
16/16Конфігурація лінтера — pyproject.toml ([tool.ruff])
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

100Винятковий
Як обчислюється оцінка
30/30README
25/25Каталог документації
15/15Сайт документації / домашня сторінка — https://scikit-learn.org
10/10Опис репозиторію
10/10Теми — 5 тем
10/10Wiki
Використані вхідні дані
topicsmachine-learning, python, statistics, data-science, data-analysis
has_wikiтак
homepagehttps://scikit-learn.org
docs_sitehttps://scikit-learn.org
has_readmeтак
has_docs_dirтак
has_descriptionтак

Безпека

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

97Винятковий · 16% загального індексу

Стан безпеки

96Винятковий
Як обчислюється оцінка
7.5/7.5Binary-Artifacts — no binaries found in the repo
0/7.5Branch-Protection — немає даних
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 98 contributing companies or organizations
0/10Dangerous-Workflow — немає даних
7.5/7.5Dependency-Update-Tool — update tool detected
5/5Fuzzing — project is fuzzed
2.5/2.5Ліцензія — license file detected
7.5/7.5Maintained — 30 commit(s) and 17 issue activity found in the last 90 days -- score normalized to 10
0/5Packaging — немає даних
0/5Pinned-Dependencies — немає даних
5/5SAST — SAST tool is run on all commits
5/5Security-Policy — security policy file detected
0/7.5Signed-Releases — немає даних
0/7.5Token-Permissions — немає даних
7.5/7.5Vulnerabilities — 0 existing vulnerabilities detected
Використані вхідні дані
sourceopenssf_scorecard
checks_evaluated12
scorecard_versionv5.5.0
checks_inconclusive6
scorecard_aggregate9,6
Виключено з оцінювання (немає даних або не застосовно): Branch-Protection, Dangerous-Workflow, Packaging, Pinned-Dependencies, Signed-Releases, Token-Permissions. 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_packages6
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:scikit-learn@1.9.1 — тим, що тягне за собою встановлення опублікованого пакета, — 6 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.

88Відмінний · 4% загального індексу

Контекст і настанови для агентів

85Відмінний
Як обчислюється оцінка
45/45Інструкції для агентів — AGENTS.md
0/15Машиночитана документація (llms.txt)
40/40Читабельна історія комітів — намір зазначено у 75 з 100 людських комітів (структурований заголовок або пояснювальний текст)
Використані вхідні дані
has_llms_txtні
llms_txt_url—
legible_history_share0,75
agent_instruction_filesAGENTS.md
agent_instruction_max_bytes1 317

Цикл верифікації (збірка / тести / перевірка типів)

88Відмінний
Як обчислюється оцінка
18/18Розгортання однією командою — Makefile, build_tools/Makefile, doc/Makefile, doc/testimonials/images/Makefile
22/22Автоматизовані тести
11/11Конфігурація лінтера / форматера — pyproject.toml ([tool.ruff])
11/11Статична перевірка типів — sklearn/externals/array_api_compat/py.typed, sklearn/externals/array_api_extra/py.typed
10/10Відтворюване середовище — devcontainer
2/10Підтверджена практика роботи з агентами — 1 з останніх 100 комітів створено агентом або з його зазначенням
5/8Автоматизоване супроводження — автоматизацію залежностей налаштовано, але у вибірці комітів її не видно
0/10OpenSSF Scorecard: Pinned-Dependencies — немає даних
Використані вхідні дані
has_nixні
has_testsтак
lockfiles—
has_dockerfileні
typed_languageні
bootstrap_filesMakefile, build_tools/Makefile, doc/Makefile, doc/testimonials/images/Makefile
has_devcontainerтак
has_linter_configтак
typecheck_configssklearn/externals/array_api_compat/py.typed, sklearn/externals/array_api_extra/py.typed
agent_commit_share0,01
toolchain_manifests—
dependency_bot_commit_share0
Виключено з оцінювання (немає даних або не застосовно): OpenSSF Scorecard: Pinned-Dependencies. Залишкові ваги перенормовано.

Читабельність коду для моделей

79Добрий
Як обчислюється оцінка
27/45Типізований код — Python з конфігурацією перевірки типів (sklearn/externals/array_api_compat/py.typed, sklearn/externals/array_api_extra/py.typed)
51.9/55Керовані розміри файлів — 60/1 057 файлів вихідного коду понад 60 КБ
Використані вхідні дані
primary_languagePython
largest_source_bytes210 003
source_files_sampled1 057
oversized_source_files60

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
Використані вхідні дані
example_dirsexamples
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

67 270зірок GitHub
100контриб'юторів
1 149комітів за останні 12 місяців
1днів від останнього пушу
51релізів
9бас-фактор
1 547відкритих issue
PyPIпакетних екосистем

Попередження щодо збору даних

  • Star history unavailable: GitHub GraphQL error: Resource not accessible by personal access token
  • Star history carried forward from 2026-07-22: GitHub restricted the stargazers API to repository admins, so it can no longer be collected. The repository has 67270 stars today.
  • First-time contributor figures cover 12 of 31 authors (cap 12)

Докладніше

Історія зірок і форків 66 748 ★ / 27 406 ⇿
66 748Зірки
27 406Форки
2Релізи

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.

Історію зірок показано станом на 2026-07-22. У липні 2026 року GitHub обмежив доступ до API stargazers адміністраторами репозиторію, тож цей ряд більше не продовжується; загальна кількість зірок вище лишається актуальною.

20 00030 00040 00050 00060 00070 00066 74827 406512026-032026-062026-09
Мажорні 0Мінорні 1Патчі 1
OpenSSF Scorecard 9.6 / 10
9.6сукупно

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 · 2026-09-16 10:51 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
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 98 contributing companies or organizations
н/дDangerous-Workflowno workflows found
10Dependency-Update-Toolupdate tool detected
10Fuzzingproject is fuzzed
10Licenselicense file detected
10Maintained30 commit(s) and 17 issue activity found in the last 90 days -- score normalized to 10
н/дPackagingpackaging workflow not detected
н/дPinned-Dependenciesno dependencies found
10SASTSAST tool is run on all commits
10Security-Policysecurity policy file detected
н/дSigned-Releasesno releases found
н/дToken-PermissionsNo tokens found
10Vulnerabilities0 existing vulnerabilities detected
Прямі залежності 5
РеєстрПакетОбмеження версіїМаніфест
PyPInumpy>=1.24.1pyproject.toml
PyPIscipy>=1.10.0pyproject.toml
PyPIjoblib>=1.4.0pyproject.toml
PyPInarwhals>=2.0.1pyproject.toml
PyPIthreadpoolctl>=3.5.0pyproject.toml
Усі залежності 21

Повний розв'язаний набір залежностей із графа залежностей GitHub: 8 прямих і 13 непрямих (транзитивних) пакетів. Транзитивне замикання є повним, коли в репозиторії закомічено lockfile.

РеєстрПакетВерсіяЗв'язок
PyPIjoblib—пряма
PyPIjoblib1.4.0пряма
PyPInarwhals—пряма
PyPInarwhals2.0.1пряма
PyPInumpy—пряма
PyPIscipy—пряма
PyPIthreadpoolctl—пряма
PyPIthreadpoolctl3.5.0пряма
PyPIcodespell2.4.1непряма
PyPIcython—непряма
PyPIcython3.1.2непряма
PyPIcython-lint0.21.1непряма
PyPImeson-python—непряма
PyPIninja—непряма
PyPIpyrefly1.2.0непряма
PyPIpytest—непряма
PyPIpytest9.1.0непряма
PyPIpytest-cov—непряма
PyPIpytest-xdist—непряма
PyPIruff0.12.2непряма
PyPIsphinx-lint1.0.2непряма
Сповіщення про залежності 0

Встановлення pypi:scikit-learn@1.9.1 тягне 6 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 scikit-learn/scikit-learn. Читати поруч →

100streamlit/streamlitStreamlit — A faster way to build and share data apps.Винятковий99gradio-app/gradioBuild and share delightful machine learning apps, all in Python. 🌟 Star to support our work!Винятковий98Nixtla/statsforecastLightning ⚡️ fast forecasting with statistical and econometric models.Винятковий98deepnote/deepnoteDeepnote is a drop-in replacement for Jupyter with an AI-first design, sleek UI, new blocks, and native data integrations. Use Python, R, and SQL locally in your favorite IDE, then scale to Deepnote cloud for real-time collaboration, Deepnote agent, and deployable data apps. https://deepnote.com/Винятковий100apache/airflowApache Airflow - A platform to programmatically author, schedule, and monitor workflowsВинятковий99NVIDIA/cudfcuDF - GPU DataFrame Library 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.