选一个小实验，让想法在画布上发生。
动手试一试，让代码里的想法发生。
在 Canvas 上观察线性回归逐步拟合散点，以及均方误差的变化。
观察拟合直线向散点靠近，并留意左上角 Step 和 MSE 的变化。调整速度影响每次更新的步长；重置会重新生成数据并开始训练。
模型使用 y = weight × x + bias。每帧计算预测误差和梯度，更新权重与偏置，再用 Canvas 绘制散点和拟合直线。MSE 表示平均平方误差。
修改数据噪声、样本数与学习率。过大的步长可能让训练不稳定，可以暂停后对照当前的拟合效果。
