多类分类指的是分类问题，其中可以有两个以上可能的输出标签，不只是零或一。
以手写数字为例，到目前为止研究的分类问题，只是想区分手写的数字0和1，但如果你想阅读信封上的邮政编码，实际上有十个可能的数字你可能想识别，或者患者可能患有三种或五种不同的疾病中的任何一种，也会是一个多类分类问题，可能会看到一张制药公司生产的药丸的照片，尝试找出它有划痕缺陷或变色缺陷或芯片缺陷，这也是个多类问题，可以将此投票归类为具有的不同类型的缺陷，所以多类分类问题仍然是分类问题，因为y只能接受少量离散范畴，不是任何数字，但是现在y可以接受不止两个可能的值。
所以以前的二进制分类，逻辑回归将适合一个模型来估计，给定特征X，因为y不是0就是1，具有多类分类问题，相反，你将有一个数据集，它可能看起来像这样，有4个图形，其中⚪代表一个类，×代表另一个类，????代表第三类，♦代表第四类，而不是仅仅估计y=1的几率，要估计y=1或者y=2的概率有多大，结果是学习算法——决策边界，它将X1和X2分为四个类别，而不仅仅是两个类别。
