交互 2
指数模型拟合与对数线性化
调整同一组数据点，比较 y = a + bx 与 y = Aekx 的误差；再观察 ln(y) 是否接近直线。
当前更有证据支持
正在计算
原始图：数据点与拟合曲线
被选中的模型用实线强调，另一个模型保留为淡线，便于比较。
误差比较与残差
残差 = 实际 y - 预测 y。残差越随机、MSE 越小，模型越可信。
线性 MSE --
指数 MSE --
对数变换图：x 与 ln(y)
若指数模型合适，ln(y) 与 x 应近似落在一条直线附近。
R² = --
解释反馈
判断线索
- 线性模型看“每次增加多少”。
- 指数模型看“每次乘以几倍”。
- ln(y) 变直，是指数关系的重要证据。