每次预测都是相同的值 - 回归

解决这个问题的方法是使用一个简单的线性回归模型，可以使用Python的Scikit-learn库来实现。

下面是一个示例代码：

from sklearn.linear_model import LinearRegression

# 创建线性回归模型
model = LinearRegression()

# 输入特征
X = [[1], [2], [3], [4], [5]]

# 输出目标值
y = [2, 4, 6, 8, 10]

# 训练模型
model.fit(X, y)

# 预测新的输入特征对应的目标值
new_X = [[6]]
prediction = model.predict(new_X)

print(prediction)  # 输出预测结果

在这个示例中，我们创建了一个简单的线性回归模型，并使用X和y作为训练数据来拟合模型。然后，我们使用训练好的模型来预测新的输入特征对应的目标值。

注意：在实际应用中，我们可以使用更多的训练数据来提高模型的准确性。此外，还可以使用其他类型的回归模型或进行特征工程来改进预测结果。