在线性回归中，以下哪些说法是正确的？A. 线性回归可以用于预测连续型变量。B. 线性回归模型的残差应当是独立同分布的。C. 线性回归模型只适用于线性关系的特征与输出之间。D. 线性回归模型的参数可以通过最小二乘法来估计。E. 线性回归只适用于单变量情况，无法处理多变量问题。

考查要点：本题主要考查对线性回归模型基本概念的理解，包括其应用场景、假设条件、参数估计方法以及适用范围。

解题核心思路：

1. 明确线性回归的核心功能：用于预测连续型因变量，支持多变量分析。
2. 理解模型假设：残差需满足独立同分布（同方差、无自相关）。
3. 区分模型适用性：线性回归可通过特征工程处理非线性关系，且支持多变量。

破题关键点：

• 选项A：线性回归本质是预测连续型变量，正确。
• 选项B：残差独立同分布是模型基本假设，正确。
• 选项C：可通过非线性变换扩展模型，错误。
• 选项D：最小二乘法是经典参数估计方法，正确。
• 选项E：支持多变量是多元线性回归的基础，错误。

选项A：线性回归可以用于预测连续型变量

正确。线性回归的核心目标是通过自变量预测连续型因变量（如房价、温度等），这是其最基础的应用场景。

选项B：线性回归模型的残差应当是独立同分布的

正确。线性回归的统计推断依赖于残差满足以下假设：

1. 独立性：残差之间无自相关（时间序列或空间数据需特别注意）。
2. 同方差性：残差方差恒定（异方差会导致标准误有偏）。
3. 正态性（非强制但提升推断效果）：残差服从正态分布。

选项C：线性回归模型只适用于线性关系的特征与输出之间

错误。线性回归可通过以下方式处理非线性关系：

1. 添加多项式项（如$x^2$）。
2. 分段线性回归（如分段函数）。
3. 非线性变换（如对数变换）。

选项D：线性回归模型的参数可以通过最小二乘法来估计

正确。最小二乘法通过最小化预测值与真实值的平方误差和，得到参数最优解，是线性回归的经典估计方法。

选项E：线性回归只适用于单变量情况，无法处理多变量问题

错误。多元线性回归可同时处理多个自变量，形式为：
$y = \beta_0 + \beta_1x_1 + \beta_2x_2 + \dots + \beta_nx_n + \epsilon$