缺失响应是一种常见的数据类型，在这种数据类型中，并不总是能观察到感兴趣的结果。在本文中，我们开发了两个新的内核机来处理这种情况，它们可以用于回归和分类。第一个提出的内核机器使用$\text{only}$，即观察到响应和协变量的完整情况。然而，它受到一些假设的限制。我们提出的第二个双健壮内核机器克服了这些限制，无论是缺失的机制还是响应的条件分布是否指定错误。建立了理论性质，包括超额风险的预言不等式、普遍一致性和学习率。我们通过仿真证明了所提方法相对于一些现有方法的优越性，并说明了它们在有关无家可归者调查的真实数据集中的应用。