关于机器学习&深度学习的一些问题，求教。

在机器学习中有种叫做：Classification with missing inputs。

以上是解释，但是我有很多不理解的：

1、Each function corresponds to classifying
x
with a different subset of its inputs missing.这句话是什么意思？

2、One way to efficiently define such a large set of functions is to learn a probability
distribution over all of the relevant variables, then solve the classification task by marginalizing out the missing variables.这句话又是什么意思呢？

还望看到的大牛帮忙解释一下，谢谢！