Scikit Learn est-il sûr ?
Scikit Learn — Nerq Trust Score 88.0/100 (Note A). Sur la base de l'analyse de 2 dimensions de confiance, il est considéré comme sûr. Dernière mise à jour : 2026-04-01.
Oui, Scikit Learn est sûr à utiliser. Scikit Learn is a Python package avec un Score de Confiance Nerq de 88.0/100 (A), based on 3 independent data dimensions. Il est recommandé pour une utilisation en production. Security: 65/100. Popularity: 95/100. Data sourced from PyPI registry, GitHub repository, NVD, OSV.dev, and OpenSSF Scorecard. Last updated: 2026-04-01. Données lisibles par machine (JSON).
Scikit Learn est-il sûr ?
YES — Scikit Learn a un Score de Confiance Nerq de 88.0/100 (A). Il atteint le seuil de confiance de Nerq avec des signaux forts en sécurité, maintenance et adoption communautaire. Recommandé pour une utilisation en production — review the full report below for specific considerations.
Quel est le score de confiance de Scikit Learn ?
Scikit Learn a un Score de Confiance Nerq de 88.0/100, obtenant la note A. Ce score est basé sur 2 dimensions mesurées indépendamment.
Quels sont les résultats de sécurité clés pour Scikit Learn ?
Le signal le plus fort de Scikit Learn est popularité à 95/100. Aucune vulnérabilité connue n'a été détectée. Atteint le seuil vérifié Nerq de 70+.
Qu'est-ce que Scikit Learn et qui le maintient ?
| Auteur | Unknown |
| Catégorie | pypi |
| Source | N/A |
Guide de sécurité : Scikit Learn
Qu'est-ce que Scikit Learn ?
Scikit Learn is a Python package — A set of python modules for machine learning and data mining.
Comment Vérifier la Sécurité
Run pip audit or safety check. Review on PyPI for download stats.
Vous pouvez également vérifier le score de confiance via l'API : GET /v1/preflight?target=scikit-learn
Préoccupations de sécurité pour Python packages
Lors de l'évaluation de tout Python package, watch for: dependency vulnerabilities, malicious uploads, maintenance status.
Évaluation de Confiance
Scikit Learn a un Score de Confiance Nerq de 62/100 (C+) and n'a pas encore atteint le seuil de confiance Nerq (70+). Ce score est basé sur une analyse automatisée des signaux de sécurité, maintenance, communauté et qualité.
Points Essentiels
- Scikit Learn a un Score de Confiance de 62/100 (C+).
- Examiner attentivement avant utilisation — en dessous du seuil de confiance.
- Toujours vérifier indépendamment en utilisant la Nerq API.
Analyse détaillée du score
| Dimension | Score |
|---|---|
| Sécurité | 65/100 |
| Confidentialité | 80/100 |
| Fiabilité | 90/100 |
| Transparence | 50/100 |
| Maintenance | 60/100 |
Basé sur 5 dimensions. Data from PyPI registry, GitHub repository, NVD, OSV.dev, and OpenSSF Scorecard.
Quelles données Scikit Learn collecte-t-il ?
Scikit Learn est un Python package, maintenu par Unknown. It receives approximately 45,807,671 weekly downloads.
En tant que paquet de développement, Scikit Learn ne collecte pas directement les données personnelles des utilisateurs. Cependant, les applications construites avec celui-ci peuvent collecter des données selon l'implémentation. Privacy score: 80/100.
Examinez les dépendances du paquet pour les risques potentiels de chaîne d'approvisionnement. Exécutez régulièrement la commande d'audit de votre gestionnaire de paquets.
Analyse complète : Rapport de confidentialité de Scikit Learn · Examen de Confidentialité
Scikit Learn est-il sécurisé ?
Sécurité score: 65/100. Scikit Learn has 0 known vulnerabilities (CVEs) in the National Vulnerability Database. This is a clean record.
Informations de licence non disponibles. Les paquets open source permettent un examen de sécurité indépendant du code source.
Exécutez la commande d'audit de votre gestionnaire de paquets (`npm audit`, `pip audit`, `cargo audit`) to check for known vulnerabilities in your dependency tree.
Analyse complète : Rapport de sécurité de Scikit Learn
Comment nous avons calculé ce score
Le score de confiance deScikit Learn de 88.0/100 (A) est calculé à partir de PyPI registry, GitHub repository, NVD, OSV.dev, and OpenSSF Scorecard. Le score reflète 5 dimensions indépendantes: security (65/100), privacy (80/100), reliability (90/100), transparency (50/100), maintenance (60/100). Each dimension is weighted equally to produce the composite trust score.
Nerq analyse plus de 7,5 millions d'entités dans 26 registres en utilisant la même méthodologie, permettant une comparaison directe entre entités. Les scores sont mis à jour en continu à mesure que de nouvelles données sont disponibles.
Cette page a été révisée pour la dernière fois le April 01, 2026. Data version: 1.0.
Documentation complète de la méthodologie · Données lisibles par machine (API JSON)
Questions fréquentes
Est-ce que Scikit Learn sûr à utiliser?
Qu'est-ce que Scikit Learn's trust score ?
Quelles sont les alternatives plus sûres à Scikit Learn ?
Does Scikit Learn have known vulnerabilities?
Scikit Learn est-il activement maintenu ?
Popular in pypi
Browse Categories
Disclaimer: Les scores de confiance Nerq sont des évaluations automatisées basées sur des signaux publiquement disponibles. Ce ne sont pas des recommandations ou des garanties. Effectuez toujours votre propre vérification.