指数形状检测是一种用来验证数据集是否符合指数分布的方法。指数分布是一种常见的概率分布，其特点是在正数范围内以指数形式递减。

下面是进行指数形状检测的几种常用方法：

1. 直方图分析：将数据集按照一定的区间划分为多个小区间，然后绘制得到直方图。如果数据集符合指数分布，直方图应该呈现出右偏斜（长尾右侧较长）的形状。

2. Q-Q图（Quantile-Quantile plot）：将数据集的分位数与理论上符合指数分布的分位数进行比较。如果数据集符合指数分布，Q-Q图上的点应近似落在一条直线上。

3. 拟合优度检验：将数据集的分布与指数分布进行拟合，比如使用最小二乘法拟合指数分布参数。然后通过统计检验，比如卡方检验，来判断拟合程度。如果p值小于显著性水平，就拒绝原假设，认为数据集不符合指数分布。

4. 概率图纸（Probability plot）：将数据集的排序值与理论上符合指数分布的累积分布函数进行比较。如果数据集符合指数分布，概率图纸上的点应近似落在一条直线上。

总体来说，指数形状检测主要通过数据集的分布特点和统计方法进行分析和比较，从而判断数据集是否符合指数分布。