我想训练一个模型，使其能够作为平方函数工作。但我无法确定应该使用哪种类型的数据集来训练模型。

我希望的是，在训练模型后，调用predict方法时，结果应该是传入predict方法的数字的平方。
例如：print(model.predict([5])应该输出25

回答：

• 你可以使用回归，因为你试图预测一个实数值输出。

• 你不能仅使用输入的线性特征，因为我们知道输出是输入的二次函数。因此，我们需要的是多项式回归。

• 这可以在sklearn中通过线性回归结合多项式特征来实现。

• 你可以指定度数为大于等于2的任何值，并让模型选择哪些特征最具表现力。你可以通过绘制模型学习到的权重来检查这一点（此页面中的coef_）。如果训练顺利，你通常会看到x^2特征有一个大的峰值，而其他特征几乎接近于0。

总之，训练一个线性回归模型，其特征是输入的一些/许多高阶多项式表示，并让模型学习到输出实际上是提供的特征之一。

[编辑]：但如果你不想明确传递特征，那么你可以尝试训练一个神经网络，使用输入的二进制表示，试图预测输出的二进制表示。这个可以支持你。