在逻辑回归（Logistic Regression）中，我们通常不使用隐藏层，因为逻辑回归本质上是一个线性模型，通过一个激活函数（如sigmoid）将线性组合的输出映射到(0,1)之间。

根据你的描述，逻辑回归可以通过一个简单的类神经网络来实现：

A: 输入层节点个数设定为3
B: 隐藏层节点个数设定为0
C: 输出层节点个数设定为3
D: 隐藏层节点个数设定为1

在逻辑回归中，输入层直接连接到输出层，不需要隐藏层。因此，选项 B 是正确的。

### 专业分析
1. **输入层节点个数**：输入层的节点个数取决于输入特征的数量。设定为3意味着每个样本有3个特征。

2. **隐藏层节点个数**：逻辑回归没有隐藏层，因为它是一个线性模型。如果设定隐藏层节点个数为0，表示没有隐藏层，符合逻辑回归的定义。

3. **输出层节点个数**：输出层的节点个数取决于输出的类别数。一般逻辑回归用于二分类问题，输出层有一个节点，输出为0或1。但在多分类逻辑回归中（如softmax回归），输出层节点个数可以等于类别数。在你的问题中，设定为3意味着这是一个多分类问题，有3个类别。

4. **激活函数**：激活函数使用sigmoid函数，这也是逻辑回归常用的激活函数，将线性组合的结果映射到0到1之间。

因此，正确答案是 B。