用例

1. 模型调参前的冒烟测试

先用少量数据把训练流程跑通，确认特征工程没写错。

fuluola-synth --biz loan --rows 1000 --rate 0.05 --out ./smoke

异常率给 5%，让模型能快速看到正样本，便于调试。

2. 阈值敏感性分析

想看不同异常率下模型表现怎么变，固定种子多次生成：

for r in 0.005 0.01 0.02 0.05; do
  fuluola-synth --biz aml --rows 20000 --rate $r --seed 42 --out ./run_$r
done

种子固定，除了异常率以外其他都一样，可以干净地比。

3. 复现实验

同一个种子永远产出同一份数据，论文或报告里可以写「用 seed=42 生成」。

fuluola-synth --biz mule --rows 10000 --seed 42 --out ./repro

4. 时序特征验证

events.csv 带时间戳，可以验证「入账到转出秒数」这类特征算得对不对。

import pandas as pd
ev = pd.read_csv('data/aml_events.csv', parse_dates=['event_time'])
g = ev.sort_values('event_time').groupby('entity_id')
# 同一实体相邻两次事件的间隔
g['gap'] = g['event_time'].diff().dt.total_seconds()