我正在学习如何解释用Python创建的指数函数的线性回归模型。我首先通过取自然对数将指数Y数据转换成直线，然后创建一个线性模型并记录斜率和截距。最后，我尝试使用斜率和截距计算一个样本值。具体来说，我试图计算当X = 1.1时的Y值。Y应该大约是2.14，但我的模型解释给出的Y值是3.78。

问题1：我在解释模型时哪里做错了？

问题2：我必须重塑X数组，否则在regr.fit时会出现错误。为什么我必须重塑X数组？

代码如下：

区分过拟合与良好预测
使用Python和Numpy进行梯度下降
使用Sklearn进行梯度提升
如何使用scipy的curve_fit对线性回归进行正则化？
回归中的正规方程与Numpy ‘最小二乘’、’solve’方法的区别？
Python中的简单线性回归
使用批量梯度下降法训练单个线性神经元进行回归
numpy 从线性函数生成数据
如何返回每个分类实例的概率？
python 线性回归实现