以下哪种场景最适合使用线性回归? A. 预测用户购买商品的类别(如服装/电子产品)B. 根据房屋面积与地段估计房价C. 对新闻评论进行情感极性分类D. 识别图像中的动物种类

步骤 1：理解线性回归的适用场景
线性回归是一种用于预测数值型目标变量的统计方法，它假设目标变量与一个或多个输入变量之间存在线性关系。因此，线性回归适用于预测连续数值型目标变量的场景。
步骤 2：分析选项
A. 预测用户购买商品的类别(如服装/电子产品)：这是一个分类问题，因为目标变量是离散的类别，而不是连续的数值。因此，线性回归不适合解决这个问题。
B. 根据房屋面积与地段估计房价：这是一个回归问题，因为目标变量是连续的数值（房价），并且可以假设房价与房屋面积和地段之间存在线性关系。因此，线性回归适合解决这个问题。
C. 对新闻评论进行情感极性分类：这是一个分类问题，因为目标变量是离散的情感极性（如正面/负面），而不是连续的数值。因此，线性回归不适合解决这个问题。
D. 识别图像中的动物种类：这是一个分类问题，因为目标变量是离散的动物种类，而不是连续的数值。因此，线性回归不适合解决这个问题。
步骤 3：选择最适合使用线性回归的场景
根据上述分析，选项B（根据房屋面积与地段估计房价）是唯一一个适合使用线性回归的场景。