无隐藏层时，神经网络等价于逻辑回归

在逻辑回归和神经网络的比较中，逻辑回归可以看作是一个没有隐藏层的神经网络。当激活函数为sigmoid函数时，逻辑回归的模型结构可以通过一个简单的神经网络来仿真。

为了仿真逻辑回归，我们需要一个没有隐藏层的神经网络。因此，正确答案是：

B: 隐藏层节点个数设定为0

以下是专业分析：

1. **输入层节点个数设定为3**：这个设定是合理的，因为输入层的节点个数取决于输入特征的数量。假设我们有3个输入特征，那么输入层就应该有3个节点。

2. **隐藏层节点个数设定为0**：逻辑回归没有隐藏层，它直接从输入层连接到输出层。因此，隐藏层节点个数应设定为0。

3. **输出层节点个数设定为3**：如果进行多类别分类（例如有3个类别），那么输出层应该有3个节点，每个节点对应一个类别的概率。注意，这里通常使用softmax激活函数来确保输出的概率和为1，而不是sigmoid函数。

4. **隐藏层节点个数设定为1**：这个选项不正确，因为逻辑回归没有隐藏层。

综上所述，正确答案是B: 隐藏层节点个数设定为0。通过这种方式，可以使用一个简单的神经网络来仿真逻辑回归模型。