database - 是否有某种识别表中数据模式的开源库？

Question

好的，情况是这样的:我们有一个大约有 50 列(通过连接数据库表创建)和几千行的表。我们需要在该数据的几个已知错误记录中识别出一种模式。这是一个非常简单的例子。给定一个表:

-----------------------
| id | title | date   |
-----------------------
| 01 | c     | 2009-01|
| 02 | a     | 2009-02|
| 03 | a     | 2009-02|
| 04 | b     | 2009-03| 
| 05 | b     | 2009-03| 
| 06 | a     | 2009-04| 
-----------------------

然后我要求图书馆告诉我第 1、4 和 5 行是如何相关的？或者，它们与所有其他行有何不同？图书馆会说:

• 所有选定的行都有一个奇数月份
• 所有选定的行都没有标题 = 'a'

也许库正在迭代 excel 中的一系列数据透视表分组。每当它发现有趣的分组和计算组合时，它都会告诉您。

实际情况(仅供好奇):确切的情况是我们发现对数据的更改已以某种方式“撤消”。我们不是只是“重做”更改并希望它们坚持下去，而是试图找出它们发生的原因，这样它们就不会松动。以下是一些真实的列和可能的数据模式:

-----------------------------------------------------
| id | user  | created_on| facility | review_status |
-----------------------------------------------------
| 01 | tom   | 2009-01   | Bay      | Locked        |  
| 02 | berry | 2009-02   | Inner    |               |
| 03 | jan   | 2009-02   | Hamming  | Submited      |
| 04 | bernie| 2009-03   | Youth    | Accepted      |
| 05 | jack  | 2009-03   | Johnson  | Locked        |
| 06 | frank | 2009-04   | Baber St.|               |
-----------------------------------------------------

我们的问题是所有审核状态(第 5 列)都应该标记为“已锁定”，但实际上没有。

有人知道用于此类内容的模式查找库吗？下面的长答案一针见血，DATA MINING 软件似乎物有所值，但解决方案必须是开源或“像啤酒一样免费”的解决方案。谢谢大家!

附言Petitio principii 答案或未尝试回答初始问题的答案将不会被考虑(实际上，它们被考虑，只是不是以人们期望的方式)。

Answer 1

听起来您想执行某种数据挖掘。潜在地，您可以将您的数据传递给可以尝试对其进行聚类的分类算法。但是，您可能会发现自己花的时间比浏览数据要花的时间要长:)

如果你周末有一点空闲时间，看看 Pentaho Weka，看看它能做什么

True data mining software doesn't just change the presentation, but actually discovers previously unknown relationships among the data.

维卡

http://www.cs.waikato.ac.nz/~ml/weka/index.html

这里有一些关于数据挖掘的不错的介绍性幻灯片 http://www-users.cs.umn.edu/~kumar/dmbook/index.php

由 Pentaho 使用 http://community.pentaho.com/faq/data_mining.php