$ loading_
生成符合指定营收曲线与欺诈率的多表合成数据集,便于测试分析与建模。
复制安装指令,让 AI 自动完成配置 · 推荐新手
请帮我安装 askskill 上的 "io.github.rasinmuhammed/misata" MCP 服务: 执行:claude mcp add io-github-rasinmuhammed-misata -- npx -y misata
请生成一个电商平台的多表合成数据集,包含 users、orders、payments、chargebacks 四张表。要求过去 12 个月月营收按先增长后平稳的曲线变化,总营收为 5000 万元,整体欺诈率精确为 1.8%,高风险新用户的欺诈率更高,并保持表间主外键一致。
一组结构一致的多表合成数据,精确满足营收趋势、总额和欺诈率约束,可直接用于风控测试。
为订阅型 SaaS 业务生成多表合成数据,包含 accounts、subscriptions、invoices、refunds。要求季度营收逐季增长,第二季度有一次促销带来的短期拉升,退款欺诈率精确控制在 0.6%,并输出每张表的字段说明。
包含业务逻辑和字段说明的合成订阅数据集,可用于仪表盘开发和分析验证。
请生成用于欺诈检测模型预训练的多表样本数据,表包括 customers、transactions、devices、alerts。要求日营收有明显周末波动,欺诈交易占比精确为 2.3%,并让设备复用、异常地域切换等模式在欺诈样本中更常见。
一套适合特征工程与模型验证的仿真数据,包含可控分布和更真实的欺诈行为模式。
用于从零或基于种子样本生成高质量合成数据,支持数据构造与扩充。