如果算法天生支持多标签分类，那么它通常是算法的隐含特征，而不是实现细节。

例如，MLP 固有地支持多标签分类，因为输出层对每个类都有一个感知器，并且每个感知器都输出该类的概率。输出向量将预测一个示例在所有标签中的成员资格。类似地，随机森林（或任何其他基于树的算法）的叶子可以包含任意长度的向量，这些向量描述了示例属于每个标签的概率。

one-vs-rest 策略用于将二元分类器（例如逻辑回归）推广到多项式问题。多项问题不同于多标签问题。

编辑：

澄清了我对多项式和多标签问题之间的区别的回答。