线性回归被解释变量为连续型变量，逻辑回归为分类型变量

正确答案是A: 被解释变量类型不同。

专业分析：

1. **线性回归（Linear Regression）**：
- **被解释变量（因变量）**：连续变量。例如，预测房价、温度等。
- **解释变量（自变量）**：可以是连续变量，也可以是分类变量。
- **模型形式**：线性回归模型假设自变量和因变量之间存在线性关系，通常表示为 \( Y = \beta_0 + \beta_1 X_1 + \beta_2 X_2 + ... + \beta_n X_n + \epsilon \)，其中 \( Y \) 是因变量，\( X_i \) 是自变量，\( \beta_i \) 是回归系数，\( \epsilon \) 是误差项。

2. **逻辑回归（Logistic Regression）**：
- **被解释变量（因变量）**：分类变量，通常是二分类变量（0或1）。例如，预测某个事件是否发生（如病人是否患病，邮件是否是垃圾邮件等）。
- **解释变量（自变量）**：可以是连续变量，也可以是分类变量。
- **模型形式**：逻辑回归模型假设自变量和因变量之间存在一种逻辑关系，通常表示为 \( \text{logit}(P) = \ln\left(\frac{P}{1-P}\right) = \beta_0 + \beta_1 X_1 + \beta_2 X_2 + ... + \beta_n X_n \)，其中 \( P \) 是事件发生的概率，\( X_i \) 是自变量，\( \beta_i \) 是回归系数。

因此，线性回归和逻辑回归的主要区别在于被解释变量的类型不同：线性回归用于连续因变量，而逻辑回归用于分类因变量。解释变量在两种回归中都可以是连续的或者分类的。