三者的区别如下：
Multi-class classification 多值分类。比如年龄预测中把人分为小孩、青年人、中年人、老年人这四个类别，对应{0,1,2,3}。Multiclass classification 与 binary classification相对应，性别预测只有男、女两个值{0,1}，就属于后者。
Multi-label classification 多标签分类。比如定义新闻稿相关的三元向量，该向量第1、2和3个元素分别对应是否（分别取值1或0）与政治、体育和自然话题相关，一个新闻稿A可以与{政治，体育，自然}有关，就可以打上这三个标签，用向量[1,1,1]来表示。而新闻稿B可能只与其中的{体育，自然}相关，用向量[0,1,1]来表示。
-
Multi-task classification 多任务分类。举前边的新闻稿的例子。新闻稿A可以表示为[1,1,1]，而新闻稿B可以表示为[0,1,1]，这也可以看成是Multi-task classification 问题。 但Multi-label classification 是一种特殊的Multi-task classification 问题，是向量的元素取值可能只有两种的时候。当向量的元素取值的可能性大于两种时，比如同时要求预测年龄和性别，其中年龄有四个取值，而性别有两个取值，则不属于Multi-label问题了，但仍然是Multi-task。