線(xiàn)性回歸被解釋變量為連續(xù)型變量，邏輯回歸為分類(lèi)型變量

正確答案是A: 被解釋變量類(lèi)型不同。

專(zhuān)業(yè)分析：

1. **線(xiàn)性回歸（Linear Regression）**：
- **被解釋變量（因變量）**：連續(xù)變量。例如，預(yù)測(cè)房?jī)r(jià)、溫度等。
- **解釋變量（自變量）**：可以是連續(xù)變量，也可以是分類(lèi)變量。
- **模型形式**：線(xiàn)性回歸模型假設(shè)自變量和因變量之間存在線(xiàn)性關(guān)系，通常表示為 \( Y = \beta_0 + \beta_1 X_1 + \beta_2 X_2 + ... + \beta_n X_n + \epsilon \)，其中 \( Y \) 是因變量，\( X_i \) 是自變量，\( \beta_i \) 是回歸系數(shù)，\( \epsilon \) 是誤差項(xiàng)。

2. **邏輯回歸（Logistic Regression）**：
- **被解釋變量（因變量）**：分類(lèi)變量，通常是二分類(lèi)變量（0或1）。例如，預(yù)測(cè)某個(gè)事件是否發(fā)生（如病人是否患病，郵件是否是垃圾郵件等）。
- **解釋變量（自變量）**：可以是連續(xù)變量，也可以是分類(lèi)變量。
- **模型形式**：邏輯回歸模型假設(shè)自變量和因變量之間存在一種邏輯關(guān)系，通常表示為 \( \text{logit}(P) = \ln\left(\frac{P}{1-P}\right) = \beta_0 + \beta_1 X_1 + \beta_2 X_2 + ... + \beta_n X_n \)，其中 \( P \) 是事件發(fā)生的概率，\( X_i \) 是自變量，\( \beta_i \) 是回歸系數(shù)。

因此，線(xiàn)性回歸和邏輯回歸的主要區(qū)別在于被解釋變量的類(lèi)型不同：線(xiàn)性回歸用于連續(xù)因變量，而邏輯回歸用于分類(lèi)因變量。解釋變量在兩種回歸中都可以是連續(xù)的或者分類(lèi)的。