📂
请加载数据集开始实验
可上传 CSV / XLSX 文件
或点击右侧「加载默认」
📖 实验指南 ▾
🎯 让 AI 从数据中找出最合适的 y=kx+b
💡 一句话理解：线性回归就是在一堆点中找一条“总体最贴近大家”的直线。
📌 实验目的：理解 AI 如何通过最小化"残差平方和"算出最佳直线。你可以先凭直觉画线，再揭晓 AI 的答案，感受机器计算的精准。
🌟 现实应用：房价预测、销量预测等一切带有线性规律的数据预测。
📋 操作：① 加载数据 → ② 填 k,b 或图上点两点连线 → ③ 揭晓AI最优线 → ④ 演示残差 → ⑤ 清洗异常点
📐 最小二乘法原理（点击展开） ▾
📐 你的直线
--
斜率 k
--
--
截距 b
--
--
MSE(均方误差)
--
--
手动微调：
或在左侧图表上点击两个点画线