Misata – ストーリーから合成データベースへワンコマンドで

概要

自然言語だけで実際の多テーブルデータセットを生成。スキーマ作成や学習データは不要です。

速攻開始

1. Groq (無料・高速)

export GROQ_API_KEY=your_key   # 無料取得: https://console.groq.com
misata generate --story "A SaaS with 50K users, subscriptions, and payments" --use-llm

2. OpenAI

export OPENAI_API_KEY=your_key
misata generate --story "E-commerce with products and orders" --use-llm --provider openai

3. Ollama (ローカル・無料・プライベート)

ollama run llama3   # まず Ollama を起動
misata generate --story "Fitness app with workouts" --use-llm --provider ollama

出力例

$ misata generate --story "A fitness app with 50K users" --use-llm
🧠 Using Groq (llama-3.3-70b-versatile) for intelligent parsing...
✅ LLM schema generated successfully!

📋 Schema: FitnessApp
   Tables: 5
   Relationships: 4

🔧 Generating 5 table(s)...

   ✓ exercises        (10 rows)
   ✓ plans            (5 rows)
   ✓ users            (50,000 rows)
   ✓ subscriptions    (45,000 rows)
   ✓ workouts         (500,000 rows)

⏱️  Generation time: 2.34 seconds
🚀 Performance: 213 675 rows/second
💾 Data saved to: ./generated_data

Python API

from misata import DataSimulator, SchemaConfig
from misata.llm_parser import LLMSchemaGenerator

# ストーリーからスキーマ生成
llm = LLMSchemaGenerator(provider="groq")  # または "openai", "ollama"
config: SchemaConfig = llm.generate_from_story(
    "A mobile fitness app with 50K users, workout tracking, "
    "premium subscriptions, and January signup spikes"
)

# データ生成
for table_name, batch in DataSimulator(config).generate_all():
    print(f"Generated {len(batch)} rows for {table_name}")

CLI リファレンス

misata generate --story "..."

--use-llm

--model <name>

llama3

--output-dir <path>

--rows <count>

--seed <int>

ビジネスルール制約

from misata import Constraint, Table

timesheets = Table(
    name="timesheets",
    row_count=10_000,
    constraints=[
        Constraint(
            name="max_daily_hours",
            type="sum_limit",
            group_by=["employee_id", "date"],
            column="hours",
            value=8.0,
            action="redistribute"
        )
    ]
)

LLM プロバイダー

GROQ_API_KEY

OPENAI_API_KEY

データプール拡張

from misata import TextGenerator

# カスタム名を追加
TextGenerator.extend_pool("first_names", ["Arjun", "Priya", "Rahul"])

# ファイルから読み込み
TextGenerator.load_pools_from_file("custom_pools.json")

# 再利用のため保存
TextGenerator.save_pools_to_file("expanded_pools.json")

ML トレーニングデータ – ノイズ注入

from misata import add_noise, NoiseInjector

# 簡易ノイズ注入
noisy_df = add_noise(
    df,
    null_rate=0.05,      # 5% 欠損値
    outlier_rate=0.02,   # 2% 統計外れ値
    typo_rate=0.01,      # 1% テキストのタイプミス
    duplicate_rate=0.03, # 3% 重複行
    seed=42
)

# 高度: 時系列分布ドリフト
injector = NoiseInjector(seed=42)
df = injector.apply_temporal_drift(
    df,
    date_column="created_at",
    value_column="revenue",
    drift_rate=0.15,      # 15% 増加
    drift_direction="up"
)

属性カスタマイズ

from misata import Customizer, ColumnOverride
import numpy as np

customizer = Customizer(seed=42)

# 年齢分布を実際に近い正規分布で設定
customizer.add_override(
    "users",
    ColumnOverride(
        name="age",
        generator=lambda n: np.random.normal(35, 12, n).clip(18, 80).astype(int)
    )
)

# 他列に基づく条件付き値
customizer.add_conditional(
    "orders", "shipping_cost",
    {"country": {"US": 5.99, "UK": 9.99, "DE": 7.99}}
)

# 生成データへ適用
df = customizer.apply(df, "users")

パフォーマンスベンチマーク

今すぐ試す

ブラウザから Misata を直接利用できます。インストール不要です。

エンタープライズ & コンサルティング

• 大規模データスキーマ（10M+ 行）カスタム構築
• 既存パイプラインとの統合
• 業界特化型リアルデータ生成
• チーム向けトレーニングとオンボーディング

お問い合わせ: rasinbinabdulla@gmail.com

ライセンス

MIT License

作者

Muhammed Rasin によって構築されました。