在回归分析中，如果目标变量是连续的，我们使用:（）A. 多项式回归B. 岭回归C. 逻辑回归D. 线性回归

本题考查回归分析中不同回归方法的适用场景。解题思路是明确各种回归方法的特点，根据目标变量是连续的这一条件来判断应使用的回归方法。

• 多项式回归：多项式回归是一种特殊的线性回归，它通过在自变量的多项式形式上进行回归，用于拟合非线性关系。虽然它也是处理连续目标变量的方法，但它是线性回归的一种扩展形式，并非最基础和通用的针对连续目标变量的回归方法。
• 岭回归：岭回归是一种改进的线性回归方法，主要用于处理多重共线性问题。它在普通线性回归的基础上，通过对回归系数进行约束，使得模型更加稳定。但它同样是基于线性回归的，不是专门针对连续目标变量的首选方法。
• 逻辑回归：逻辑回归主要用于分类问题，特别是二分类问题。它通过逻辑函数将线性回归的输出映射到一个概率值，从而进行分类。其目标变量是离散的类别，而不是连续的，所以不符合本题要求。
• 线性回归：线性回归是一种基本的统计分析方法，用于建立自变量和因变量之间的线性关系。当目标变量是连续的时，线性回归是最常用和最基础的方法，它通过最小化误差的平方和来确定回归系数，从而预测连续的目标变量。