В области интеллектуального анализа данных, основанного на теории решеток, многие обучающие выборки требуют большого времени вычисления и памяти для хранения результатов. Часто это объясняется наличием несущественных признаков, описывающих обучающие примеры, их можно обнаружить применением методов теории информации. При устранении таких признаков желательно получать фактор-решетки, чтобы иметь естественный способ перехода между получаемыми моделями, объединяя несколько гипотез в одну.
