我想知道引导业务流程的二进制分类问题是否真的是二进制的。如您所见，转向意味着影响业务流程的结果。因此，地面实况数据将不同于没有模型的情况。

有什么策略可以解决这个问题（除了一个保留组）。最近我阅读了http://ieeexplore.ieee.org/document/7280527/ ，其中还包含早期反馈。

是否适合假设在这种预测 0 和 1 类标签的模型的初始启动后，延迟最多 30 天返回的未来地面实况数据实际上最多为 6 类：

• 0 预测标签 0
• 1标签1的预测
• 反馈标签实际上是
  • 0 表示 0 的预测（常规结果）
  • 1 表示 1 的预测（常规/期望的结果）
  • 0 表示 1 的预测（模型确实错误分类，groundtruth 受影响）
  • 1 表示 0 的预测（模型未检测到分类、次优且损失了一些钱，但认为基本事实不受影响）

反馈如何被纳入？您是否建议将二元分类扩展到多类分类？