是否可以通过对离散目标进行训练来做出明确的预测？

如何解决是否可以通过对离散目标进行训练来做出明确的预测？

这个问题似乎有点复杂，我会清楚地解释我想要实现的目标。所以我的公司为我提供了这些数据，我可以用它来训练模型。

PartsProdM1	PartsProdM2	PartsProdM3	...其他功能...	M1-D	M1-D	M1-D
500	344	870	…………	0	1	1
450	900	540	…………	1	1	0
300	600	200	…………	1	0	1

所以从上表中列名的含义如下：

1. PartsProdM1 / M2 / M3 - 是机器 1、2 和 3 生产的零件
2. 其他功能可以是 - 机器名称、产品名称等
3. M1-D / M2-D / M3-D - 是目标，它们表示 M1 / M2 和 M3 是否损坏，即如果 0 - 未损坏 (0 %) ||如果 1 - 损坏 (100%)

任务：

是从这些训练数据中创建一个回归模型，可以给出类似这样的预测：

M1-D	M1-D	M1-D
40.89	35	37.89
55	44.6	76
71.5	98.9	87

我知道仅仅通过训练目标 0 和 1 来做出准确的预测听起来很荒谬 但是有什么方法或过去的参考资料可以使这件事发挥作用吗？

我的公司说他们无法提供训练所需的目标信息，即他们只能说机器是否坏了 (1) 或没有坏 (0)。

目前，我正在使用神经网络通过 MSE 损失函数进行预测。