مدل طبقه بندی مقاوم، یک مدل غیر استاندارد برای یادگیری طبقه بند بر اساس یک مجموعه داده توأم با عدم قطعیت است. به هر مدل طبقه بندی که در مجموعه جواب های ممکن آن، جواب بی معنی وجود داشته باشد، مدل بی احتیاط گفته می شود. جواب بهینه یک مدل طبقه بندی مقاوم بی احتیاط به ازای یک مجموعه داده آموزشی، ممکن است ابرصفحه نباشد که در این صورت امکان طبقه بندی داده ها در مرحله آزمون میسر نخواهد بود. در این مقاله مدل های طبقه بند مقاوم بی احتیاط معرفی و مشکلات آنها بررسی شده و سپس با تغییر تابع ضرر در طبقه بند مقاوم، مدل طبقه بندی مقاوم بااحتیاط برای ممانعت از بی احتیاطی معرفی می شود. مدل بااحتیاط پیشنهادی، استاندارد شده و راهکارهایی برای کاهش زمان آموزش و زمان آزمون آن ارائه می گردد. در آزمایشات از مدل طبقه بند مقاوم بااحتیاط پیشنهادی در مقایسه با چند مدل مقاوم بی احتیاط، برای طبقه بندی مجموعه داده های آموزشی ناقص و مجموعه داده های آموزشی قطعی کامل استفاده شد. نتایج به دست آمده نشان داد که در مجموعه داده های ناقص، مدل پیشنهادی زمان آموزش و زمان آزمون و نرخ خطای کمتری نسبت به مدل های بی احتیاط داشت. همچنین در مجموعه داده های کامل قطعی، مدل پیشنهادی زمان آموزش و زمان آزمون کمتری نسبت به مدل های بی احتیاط داشت. نتایج به دست آمده کارایی افزودن احتیاط به طبقه بند مقاوم را تأیید نمود.