Řešení typových úloh je umožněno specifickými rysy GUHA procedur implementovaných v systému LISp-Miner. Jedná se zejména o

• možnost práce se základními booleovskými atributy A(α) a s literály
• bohaté možnosti zadávání množin relevantních literálů odvozených z daného atributu
• možnost práce s dílčími cedenty - booleovskými atributy charakterizujícími skupiny atributů
• bohaté možnosti zadávání množin relevantních dílčích cedentů, mimo jiné i možnost využití jak konjunkcí tak i disjunkcí literálů
• bohaté možnosti zadávání množin relevantních cedentů - konjunkcí dílčích cedentů
• možnost práce s různými typy vztahů - GUHA asociačními pravidly, histogramy, vztahy popsanými kontingenčními tabulkami dvojic kategoriálních atributů a akčními pravidly
• možnost práce s podmíněnými vztahy týkajícími se pouze podmatic určeným konjunkcemi dílčích cedentů
• bohaté možnosti zadávání pravdivosti vztahů v dané matici dat spojených s podmínkami na vhodné kontingenční tabulky
• možnost využití GUHA procedur typu SD

GUHA procedury systému LISp-Miner pracují se základními booleovskými atributy A(α), kde α je vlastní podmnožina množiny hodnot (kategorií) atributu A. Literál je základní booleovský atribut A(α) nebo jeho negace ¬A(α). Jsou k dispozici bohaté možnosti, jak zadat množinu relevantních literálů, které se mají automaticky pro vygenerovat pro daný atribut A.

Výhody používání základních booleovských atributů A(α) jsou demonstrovány na porovnání procedury 4ft-Miner a algoritmu apriori. Algoritmus apriori pracuje pouze s booleovskými atributy - dvojicemi A(a) kde a je jedna z přípustných hodnot atributu A. Na základě uvedených příkladů lze konstatovat, že použití koeficientů poskytuje možnosti, které lze jen těžko nebo prakticky vůbec realizovat pomocí algoritmu apriori. Další podrobnosti jsou též v článku Apriori and GUHA – Comparing two approaches to data mining with association rules.

Příklad zadání množiny relevantních literálů je v následujícím obrázku.

Podrobnosti jsou uvedeny zde a také v této prezentaci.

Při předzpracování dat je možno vytvořit skupiny atributů které často jsou důležitým nástrojem pro porozumění jak celé problematice i datům. Skupiny atributů jsou důležité i pro komunikaci s majitelem dat. Příklad skupin vytvořených pro data Hotel je v následujícím obrázku. Tyto skupiny lze využít při zadávání parametrů procedur tak, že množiny relevantních dílčích cedentů jsou definovány jako množiny vhodných booleovských atributů charakterizujících jednotlivé skupiny atributů. Příklad takového využití skupin je v následujícím obrázku.

Ukázka zadávání množiny relevantních dílčích cedentů je v následujícím obrázku. ´ Podrobnosti jsou uvedeny zde.

Detailní i celkový pohled na příklad zadání množiny relevantních cedentů je v následujícím obrázku. Podrobnosti jsou uvedeny zde.