B选项错误的原因是逻辑回归自变量和目标变量是非线性关系，经过了logit变 换。逻辑回归可以看做是具有0个隐藏层的神经网络，一般意义上的神经网络比逻辑回归模 型要复杂，因此从这个角度讲，神经网络比逻辑回归更容易过拟合，所以C的说法有误。逻 辑回归不仅能做二值分类，也能做多值分类，故D选项错误。

正确答案是A: 逻辑回归的估计方法是最大似然估计。

以下是对各选项的专业分析：

A: 逻辑回归的估计方法是最大似然估计
- 正确。逻辑回归模型使用最大似然估计（Maximum Likelihood Estimation, MLE）来估计模型参数。最大似然估计方法通过找到使得观察到的数据最有可能的参数值来进行估计。

B: 逻辑回归要求自变量和目标变量是线性关系
- 错误。逻辑回归不要求自变量（特征）和目标变量（标签）之间是线性关系。逻辑回归模型假设的是自变量的线性组合通过逻辑函数（logistic function）映射到概率空间。

C: 逻辑回归比神经网络，更容易过度拟合
- 错误。逻辑回归是一种相对简单的模型，通常比神经网络更不容易过度拟合。神经网络由于其复杂性和高容量，更容易在训练数据上表现出过度拟合的现象。

D: 逻辑回归只能做2值分类，不能做多值分类
- 错误。虽然标准的逻辑回归是用于二分类问题，但可以通过扩展如多项逻辑回归（Multinomial Logistic Regression）来处理多分类问题。

综上所述，正确的答案是A。