完全不同意@Derek Janni。小心符号，但你不应该迷失在术语中。您提到的那些论文从字面上使用了“标记”一词，但在机器学习/数据挖掘社区中，标记是为监督学习（分类）准备数据的过程！它与 ML 任务无关！

这些论文使用该术语来表明，在监督学习之后，他们可以识别不同对象的不同标签，因此他们使用了术语标签，但您可能在任何文献中都找不到他们将这两个术语用作同义词。

我看待它的方式：“分类”（在机器学习的背景下）是一种问题，您将“标签”分配给对象。形式上，“分类”是一种问题，而标签是从对象到一组标签（可能是无限的）的函数。

就像回归是一种问题一样，您再次为对象分配标签，只是这次标签是某个实数。

在分类和回归中，您都试图找到关于某些度量/损失函数的“最佳”标签函数。

在阅读了更多论文并与许多人讨论了机器学习主题之后，我是这样定义这些词的：

作为存在的抽象概念的类。每个类都有属性，可以有很多不同的标签。例如，类cat具有属性“feet”（值为 4），属性“Genus”具有值“Felis”。班级成员的样子有很多种。还有很多标签：猫、Katze、Felis silvestris、🐱、🐈。

标签只是您贴在概念上的标签。一个名字。我们需要一个词来谈论这个概念。

我将标签用于定义数据集的哪些部分属于哪个类的手动过程。我将分类用于自动分类器决定数据的哪一部分属于哪个类的过程。因此，通常，标记由人工完成，然后由机器进行分类。

简短的回答：

不，标签和分类之间没有区别。

类 - 一组或类别的事物，具有某些共同的属性或属性，并通过种类、类型或质量与其他事物区分开来。参见“类别”。

标签 - 表示后面的内容属于特定类别或类别的单词或短语。

对事物进行分类就是对其进行标记，它们必然是同一事物。术语标签可能会演变，因为“标签”允许您避免说在计算机科学中具有其他含义的“类”。

标签要简单得多，在所有情况下，分类只是将标签放在对象上的行为（或学习正确地这样做）。

您在使用标签/分类时看到的差异来自一个简单的事实，即标题如下：

《语义分类：基于空间特征描述符的 3D 实体分类》或《人脑 MR 图像的基于知识的分类和组织分类》

听起来真的很尴尬。

像大多数学术论文标题一样，这些只是对论文内容的过于复杂的描述，可以准确地解释正在发生的事情，而不会听起来多余。

TL;DR - 不要纠结于术语！