2.判断题(2分)逻辑回归适用于连续型目标变量的预测任务。()A 对B 错

逻辑回归的核心用途是解决分类问题，尤其是二分类任务。虽然名称中包含“回归”，但它本质上属于分类算法。其输出是概率值，用于判断样本属于某一类的可能性，而非直接预测连续型数值。因此，逻辑回归不适用于连续型目标变量的预测，这类任务通常由线性回归等回归模型处理。

逻辑回归的工作原理如下：

1. 模型形式：逻辑回归通过线性组合输入特征，并将结果通过sigmoid函数映射到0-1之间，得到类别概率。
2. 目标函数：通过最大化似然函数优化参数，而非最小化平方误差。
3. 应用场景：典型用于二分类（如垃圾邮件分类、疾病诊断）或多元分类，目标变量为类别型。

关键结论：逻辑回归的目标变量应为类别型（如“是/否”），而非连续型（如温度、身高）。因此，题目描述错误。