正确答案是：C: 逻辑回归(Logistic Regression)。

### 专业分析：

#### A: 决策树(Decision Tree)
- **工作原理**：决策树通过分裂数据来创建决策节点和叶节点。每个决策基于特定特征的值，但并不直接给输入变量分配可解释的“权重”。
- **权重分配**：变量的重要性通过其用于分割数据的频率和效果来隐含体现，但没有直接的权重概念。

#### B: KNN(K Nearest Neighborhood)
- **工作原理**：KNN通过计算样本与训练数据集中每个样本的距离来进行分类。
- **权重分配**：所有输入特征在计算距离时均等对待，通常不涉及不同特征的权重分配。

#### C: 逻辑回归(Logistic Regression)
- **工作原理**：逻辑回归是一种线性模型，通过学习数据来确定每个特征的系数，这些系数就是特征的权重。
- **权重分配**：逻辑回归为每个输入特征分配一个权重，权重大小表示该特征对分类结果的影响程度。

#### D: 贝式分类法(Bayes Net)
- **工作原理**：贝叶斯分类基于贝叶斯定理，是一种概率模型，通常使用条件概率来进行推断。
- **权重分配**：不直接分配权重，而是根据概率进行分类。

因此，逻辑回归模型是通过给不同输入变量分配不同的权重来进行分类的。这使得逻辑回归能够衡量每个特征在进行预测时的重要性。