- 填充决策表(decision table)中缺失的数据；

- 数据属性的离散化。

·计算

- 支持监督学习和非监督学习；

- 支持用户自定义的区分概念(notions of discernibility)

- 对多种的区分性，有效的生成精确或近似的知识最小表示

- 用知识的最小表示产生if-then规则和描述模式

- 代码运行

- 支持交叉验证(cross-validation)

·后处理：

- 先进的知识最小表示和规则过滤功能

·验证和分析

- 合成规则在未知样本中的应用

- 生成混淆矩阵(confusion matrices)、ROC曲线和校准曲线(calibration curves)

- 根据高级质量度量，对每个规则进行评估

- 提供统计假设检验工具

·其它

- 利用容差关系(tolerance relations)进行聚类

- 计算分割(partitions)和可变精确度的近似粗糙集

- 支持随机观察取样

- 代码开源

- 完备的说明文档