逻辑回归适用于:（）A. 连续输出变量的预测B. 多类别输出变量的预测C. 缺失数据的填充D. 二进制输出变量的预测

本题考查逻辑回归的适用场景相关知识点。解题思路是明确逻辑回归的基本原理和特点，然后根据各选项所描述的变量类型，判断逻辑回归是否适用。

逻辑回归是一种广义线性模型，它通过逻辑函数（如Sigmoid函数）将线性回归的输出映射到一个概率值，通常用于处理分类问题。

• 选项A：连续输出变量的预测一般使用线性回归等模型。线性回归的目标是找到一个线性函数来拟合输入变量和连续输出变量之间的关系，而逻辑回归的输出是一个概率值，并非连续的数值，所以逻辑回归不适用于连续输出变量的预测。
• 选项B：多类别输出变量的预测虽然可以使用逻辑回归的扩展形式，如Softmax回归，但标准的逻辑回归主要用于二分类问题，即输出只有两种可能的情况。所以单纯说逻辑回归适用于多类别输出变量的预测不准确。
• 选项C：缺失数据的填充通常使用均值填充、中位数填充、K - 近邻填充等方法，逻辑回归的主要目的是进行分类预测，并非处理缺失数据，所以逻辑回归不适用于缺失数据的填充。
• 选项D：二进制输出变量的预测即二分类问题，逻辑回归通过Sigmoid函数将线性组合的结果映射到$(0, 1)$区间，这个区间的输出可以被解释为属于某一类别的概率，从而实现二分类的预测。所以逻辑回归适用于二进制输出变量的预测。