Публічний реєстр
Звіт про здоров'я програмного забезпеченнясхема 0.31.0 · метрики 2.10.0 · 2026-08-13 00:55 UTC

tslearn-team / tslearn

The machine learning toolkit for time series analysis in Python

PythonBSD-2-Clause★ 3 168 зірок⑂ 373 форкиз трав. 2017 р.Переглянути на GitHub ↗
ТипБібліотекаяк це визначено
#time-series#timeseries#time-series-analysis#time-series-clustering#machine-learning#machine-learning-algorithms#machinelearning#dtw#python#time-series-classification#dynamic-time-warping

tslearn-team/tslearn має індекс здоров’я 90 зі 100, що відповідає смузі «Відмінний». Найвищий показник — Community & Adoption (88/100), найнижчий — AI Readiness (52/100). Останнє оновлення — сьогодні. Більшість нещодавньої роботи виконує один учасник.

90
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»).

90
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 76 калібровано до 90 за шкалою опублікованого індексу (калібрування реєстру 2026-08-02).

Власність

tslearn-teamОрганізація
37 підписників4 публічні репозиторіїз квіт. 2020 р.

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

Пакетні екосистеми

РеєстрПакетВерсіяЗавантажень / місВерсіїОстання публікація
PyPItslearn0.9.0274 8328541 день тому

Метрики за категоріями

Життєздатність

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

87Відмінний · 21% загального індексу

Активність розробки

89Відмінний
Як обчислюється оцінка
36/36Свіжість push — останній push 0 дн. тому
24.9/36Ритм комітів — 36/52 тижнів із комітами
18/18Обсяг комітів — 102 комітів за останній рік
10/10OpenSSF Scorecard: Maintained — 19 commit(s) and 1 issue activity found in the last 90 days -- score normalized to 10
Використані вхідні дані
commits_last_year102
human_commit_share0,96
days_since_last_push0
active_weeks_last_year36

Дисципліна релізів

84Відмінний
Як обчислюється оцінка
27/27Випускає релізи — опубліковано 26 релізів
36/36Свіжість релізів — останній реліз 43 дн. тому
12.6/27Ритм релізів — реліз кожні ~139,6 дн.
0/10OpenSSF Scorecard: Signed-Releases — немає даних
Використані вхідні дані
releases_count26
latest_release_tagv0.9.0
releases_from_tagsні
days_since_latest_release43
mean_days_between_releases139,6
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?

88Відмінний · 17% загального індексу

Популярність і впровадження

88Відмінний
Як обчислюється оцінка
56.8/60Зірки — 3 168 зірок
21.4/25Форки — 373 форків
9.7/15Спостерігачі — 57 спостерігачів
Використані вхідні дані
forks373
stars3 168
watchers57
growth_stateunverified
growth_factor_pct100
growth_unverified_reasonno_history

Здоров'я спільноти

85Відмінний
Як обчислюється оцінка
22.5/22.5README
22.5/22.5Ліцензія — визнана ліцензія (BSD-2-Clause)
18/18Настанови CONTRIBUTING
13.5/13.5Кодекс поведінки
0/7.2Шаблон issue
0/6.3Шаблон PR
Використані вхідні дані
has_readmeтак
has_licenseтак
readme_badges5
has_contributingтак
has_issue_templateні
has_code_of_conductтак
readme_badge_servicesbadge.fury.io, codecov.io, dev.azure.com, readthedocs.org, shields.io
has_pull_request_templateні

Впровадження в екосистемі (завантаження)

91Відмінний
Як обчислюється оцінка
72.5/80Щомісячні завантаження — 274 832 завантажень/місяць у pypi
0/20Залежні пакети в реєстрі — ця екосистема цього не повідомляє
Використані вхідні дані
packagestslearn
dependents—
ecosystemspypi
total_downloads—
monthly_downloads274 832
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?

66Добрий · 23% загального індексу

Стійкість мейнтейнерів (бас-фактор)

40Слабкий
Як обчислюється оцінка
9/54Бас-фактор — на 1 контриб’ютор(ів) припадає половина всіх комітів
7.4/22.5Розподіл комітів — головний контриб’ютор — автор 67% комітів
13.5/13.5Широта контриб’юторів — 42 контриб’юторів
10/10OpenSSF Scorecard: Contributors — project has 20 contributing companies or organizations
Використані вхідні дані
bus_factor1
contributors_sampled42
top_contributor_share0,672

Реактивність на issue та PR

65Добрий
Як обчислюється оцінка
33.5/42Вирішення issue — закрито 80% issue
23.4/30Прийняття PR — злито 243/312 вирішених PR
0/13Newcomer PR acceptance — за 30 дн. не вирішено жодного PR від новачка
0/15OpenSSF Scorecard: Code-Review — Found 2/26 approved changesets -- score normalized to 0
Використані вхідні дані
merged_prs243
open_issues68
closed_issues269
prs_merged_7d0
prs_decided_7d0
prs_merged_30d4
prs_decided_30d7
issue_closed_ratio0,798
closed_unmerged_prs69
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 — статус підтвердженого домену для цієї організації не зчитано
11.4/25Охоплення власника — 37 підписників у tslearn-team
17.1/25Послужний список — 4 публічних репозиторіїв, вік облікового запису ~6 р.
Використані вхідні дані
followers37
owner_typeOrganization
is_verified—
owner_logintslearn-team
public_repos4
account_age_days2 296
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 41 дн. тому
20/20Історія версій — 85 опублікованих версій
20/20Не застарілий — активний, не deprecated і не yanked
Використані вхідні дані
packagestslearn
ecosystemspypi
any_deprecatedні
min_days_since_publish41

Інженерна якість

Чи наявні базові інженерні практики та документація?

81Відмінний · 19% загального індексу

Інженерні практики

68Добрий
Як обчислюється оцінка
24/24Процеси CI — 3 процес(ів) CI
24/24Наявні тести
0/16Конфігурація лінтера
0/9.6Pre-commit-хуки
0/6.4.editorconfig
20/20OpenSSF Scorecard: CI-Tests — 24 out of 24 merged PRs checked by a CI test -- score normalized to 10
Використані вхідні дані
has_ciтак
has_testsтак
has_editorconfigні
has_linter_configні
has_precommit_configні

Документація

100Винятковий
Як обчислюється оцінка
30/30README
25/25Каталог документації
15/15Сайт документації / домашня сторінка — https://tslearn.readthedocs.io
10/10Опис репозиторію
10/10Теми — 11 тем
10/10Wiki
Використані вхідні дані
topicstime-series, timeseries, time-series-analysis, time-series-clustering, machine-learning, machine-learning-algorithms, machinelearning, dtw, python, time-series-classification, dynamic-time-warping
has_wikiтак
homepagehttps://tslearn.readthedocs.io
docs_sitehttps://tslearn.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?

61Помірний · 16% загального індексу

Стан безпеки

51Помірний
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 — 24 out of 24 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
0/7.5Code-Review — Found 2/26 approved changesets -- score normalized to 0
2.5/2.5Contributors — project has 20 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 — 19 commit(s) and 1 issue activity found in the last 90 days -- score normalized to 10
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
7.5/7.5Vulnerabilities — 0 existing vulnerabilities detected
Використані вхідні дані
sourceopenssf_scorecard
checks_evaluated16
scorecard_versionv5.5.0
checks_inconclusive2
scorecard_aggregate5,1
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_packages14
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:tslearn@0.9.0 — тим, що тягне за собою встановлення опублікованого пакета, — 14 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.

52Помірний · 4% загального індексу

Контекст і настанови для агентів

38Слабкий
Як обчислюється оцінка
0/45Інструкції для агентів — немає CLAUDE.md / AGENTS.md / правил редактора
0/15Машиночитана документація (llms.txt)
37.8/40Читабельна історія комітів — намір зазначено у 68 з 96 людських комітів (структурований заголовок або пояснювальний текст)
Використані вхідні дані
has_llms_txtні
llms_txt_url—
legible_history_share0,708
agent_instruction_files—
agent_instruction_max_bytes—

Цикл верифікації (збірка / тести / перевірка типів)

48Слабкий
Як обчислюється оцінка
18/18Розгортання однією командою — docs/Makefile
22/22Автоматизовані тести
0/11Конфігурація лінтера / форматера
0/11Статична перевірка типів
0/10Відтворюване середовище
0/10Підтверджена практика роботи з агентами — серед останніх 100 комітів немає створених агентом
8/8Автоматизоване супроводження — 4 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_dockerfileні
typed_languageні
bootstrap_filesdocs/Makefile
has_devcontainerні
has_linter_configні
typecheck_configs—
agent_commit_share0
toolchain_manifests—
dependency_bot_commit_share0,04

Читабельність коду для моделей

46Слабкий
Як обчислюється оцінка
0/45Типізований код — Python без конфігурації перевірки типів
45.9/55Керовані розміри файлів — 23/139 файлів вихідного коду понад 60 КБ
Використані вхідні дані
primary_languagePython
largest_source_bytes453 560
source_files_sampled139
oversized_source_files23

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

3 168зірок GitHub
42контриб'юторів
102комітів за останні 12 місяців
0днів від останнього пушу
26релізів
1бас-фактор
68відкритих 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 ★ / 373 ⇿
0Зірки
373Форки
26Релізи

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.

012525037536752017-062021-122026-07
Мажорні 0Мінорні 6Патчі 12

Кожна точка охоплює 9 днів.

OpenSSF Scorecard 5.1 / 10
5.1сукупно

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 · 2026-08-13 00:54 UTC

10Binary-Artifactsno binaries found in the repo
0Branch-Protectionbranch protection not enabled on development/release branches
10CI-Tests24 out of 24 merged PRs checked by a CI test -- score normalized to 10
0CII-Best-Practicesno effort to earn an OpenSSF best practices badge detected
0Code-ReviewFound 2/26 approved changesets -- score normalized to 0
10Contributorsproject has 20 contributing companies or organizations
10Dangerous-Workflowno dangerous workflow patterns detected
10Dependency-Update-Toolupdate tool detected
0Fuzzingproject is not fuzzed
10Licenselicense file detected
10Maintained19 commit(s) and 1 issue activity found in the last 90 days -- score normalized to 10
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
10Vulnerabilities0 existing vulnerabilities detected
Прямі залежності 6
РеєстрПакетОбмеження версіїМаніфест
PyPIscikit-learn>=1.5pyproject.toml
PyPInumpy>=1.24.3pyproject.toml
PyPIscipy>=1.10.1pyproject.toml
PyPInumba>=0.61pyproject.toml
PyPIjoblib>=1.2pyproject.toml
PyPIstatsmodels>=0.14pyproject.toml
Усі залежності 56

Повний розв'язаний набір залежностей із графа залежностей GitHub: 11 прямих і 45 непрямих (транзитивних) пакетів. Транзитивне замикання є повним, коли в репозиторії закомічено lockfile.

РеєстрПакетВерсіяЗв'язок
PyPIjoblib—пряма
PyPIjoblib1.5.3пряма
PyPInumba—пряма
PyPInumba0.65.0пряма
PyPInumpy—пряма
PyPInumpy2.4.4пряма
PyPIscikit-learn—пряма
PyPIscikit-learn1.8.0пряма
PyPIscipy—пряма
PyPIscipy1.17.1пряма
PyPIstatsmodels—пряма
PyPIaccessible-pygments0.0.5непряма
PyPIalabaster1.0.0непряма
PyPIbabel2.18.0непряма
PyPIbeautifulsoup44.14.3непряма
PyPIcertifi2026.2.25непряма
PyPIcharset-normalizer3.4.7непряма
PyPIcontourpy1.3.3непряма
PyPIcycler0.12.1непряма
PyPIdocutils0.22.4непряма
PyPIfonttools4.62.1непряма
PyPIidna3.15непряма
PyPIimagesize2.0.0непряма
PyPIjinja23.1.6непряма
PyPIkeras—непряма
PyPIkiwisolver1.5.0непряма
PyPIllvmlite0.47.0непряма
PyPImarkupsafe3.0.3непряма
PyPImatplotlib3.10.8непряма
PyPInumpydoc1.10.0непряма
PyPIpackaging26.1непряма
PyPIpillow12.3.0непряма
PyPIpydata-sphinx-theme0.17.0непряма
PyPIpygments2.20.0непряма
PyPIpypandoc1.17непряма
PyPIpyparsing3.3.2непряма
PyPIpython-dateutil2.9.0.post0непряма
PyPIrequests2.33.1непряма
PyPIroman-numerals4.1.0непряма
PyPIsetuptools—непряма
PyPIsetuptools-scm—непряма
PyPIsix1.17.0непряма
PyPIsnowballstemmer3.0.1непряма
PyPIsoupsieve2.8.4непряма
PyPIsphinx9.1.0непряма
PyPIsphinx-copybutton0.5.2непряма
PyPIsphinx-gallery0.20.0непряма
PyPIsphinxcontrib-applehelp2.0.0непряма
PyPIsphinxcontrib-devhelp2.0.0непряма
PyPIsphinxcontrib-htmlhelp2.1.0непряма
PyPIsphinxcontrib-jsmath1.0.1непряма
PyPIsphinxcontrib-qthelp2.0.0непряма
PyPIsphinxcontrib-serializinghtml2.0.0непряма
PyPIthreadpoolctl3.6.0непряма
PyPItyping-extensions4.15.0непряма
PyPIurllib32.7.0непряма
Сповіщення про залежності 0

Встановлення pypi:tslearn@0.9.0 тягне 14 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 tslearn-team/tslearn. Читати поруч →

98sktime/sktimeA unified framework for machine learning with time seriesВинятковий97Nixtla/statsforecastLightning ⚡️ fast forecasting with statistical and econometric models.Винятковий97unit8co/dartsA python library for user-friendly forecasting and anomaly detection on time series.Винятковий100ray-project/rayRay is an AI compute engine. Ray consists of a core distributed runtime and a set of AI Libraries for accelerating ML workloads.Винятковий100optuna/optunaA hyperparameter optimization frameworkВинятковий100apache/airflowApache Airflow - A platform to programmatically author, schedule, and monitor workflowsВинятковий

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 — PyPI.