正确答案是：A: 线性回归
### 专业分析
线性回归是一种常用于预测连续因变量的方法。下面是对各个选项的分析：
| 选项 | 方法名称 | 适用场景 |
|------|----------------|--------------------------------------------------------------------------|
| A | 线性回归 | 用于预测连续因变量。假设因变量与一个或多个自变量之间存在线性关系。 |
| B | 逻辑回归 | 用于预测分类因变量（通常是二元分类问题）。它建模的是因变量的对数几率。 |
| C | 线性回归和逻辑回归 | 结合了A和B的内容，但并不常用于同时预测连续和分类因变量，因使用场景不同。 |
| D | 以上说法都不对 | 如上所述，A是正确的，因此D不正确。 |
### 线性回归的应用
线性回归模型可以用于数值预测，例如：
- 房地产价格预测
- 销售额预测
- 产品需求量预测
### 逻辑回归的应用
逻辑回归适用于分类问题，例如：
- 是否会购买某产品（是/否）
- 邮件是否为垃圾邮件（是/否）
因此，对于预测连续变量，线性回归是最为常用的方法。
