多核学习既可以用在多任务学习，也可以用在多视图学习，也有研究同时对多任务和多视图同时采用多核的，目前已经有通用多任务多核学习方法。如果将多核用在多任务学习，相当于不同任务共享子空间的同时，还有各自特有的一个空间，这个特有空间通过采用不同的核来表示。多任务中采用多核，由此强调任务个性。如果将多核用在多视图学习，不同视图的数据采用不同的核，相当于多源数据融合的一种方法，这些也早有研究。而无论是多任务，多视图还是多核，都是希望充分利用不同来源的数据，去提高模型的整体效果，知识在不同任务和视图之间互通有无，实现不同任务不同视图的知识迁移。
而集成学习对数据的利用则更弱一些。某种程度上说，多任务和多视图，乃至多核，都是在模型设计阶段就考虑了数据融合的问题。而集成学习仅仅是在训练好分类器之后才做集成。集成学习用到的基学习器模型之间并没有知识的互通。所以多任务和多视图学习，更能有效利用不同来源的数据提高学习效果。若集成学习的基学习器本身能力不足，即使集成也不容易得到更好的效果。目前也有一些同时采用多任务和集成学习的方法。