逻辑回归与线性回归的核心区别在于？ A. 逻辑回归用于回归任务，线性回归用于分类任务B. 逻辑回归使用Sigmoid函数将输出映射到[0,1]区间C. 线性回归需要特征标准化，逻辑回归不需要D. 线性回归可以处理多分类问题，逻辑回归只能处理二分类

步骤 1：理解逻辑回归和线性回归的定义
逻辑回归是一种用于分类任务的统计模型，它使用Sigmoid函数将线性回归的输出映射到[0,1]区间，从而可以解释为概率。线性回归是一种用于回归任务的统计模型，它直接预测连续值。
步骤 2：分析选项
A. 逻辑回归用于回归任务，线性回归用于分类任务
这个选项是错误的，因为逻辑回归用于分类任务，线性回归用于回归任务。
B. 逻辑回归使用Sigmoid函数将输出映射到[0,1]区间
这个选项是正确的，逻辑回归确实使用Sigmoid函数将输出映射到[0,1]区间，从而可以解释为概率。
C. 线性回归需要特征标准化，逻辑回归不需要
这个选项是错误的，虽然特征标准化可以提高模型的性能，但并不是逻辑回归和线性回归的核心区别。
D. 线性回归可以处理多分类问题，逻辑回归只能处理二分类
这个选项是错误的，逻辑回归可以处理多分类问题，而线性回归通常用于回归任务，而不是分类任务。