Regresi Logistik: Rumus yang Berbeda antar Kursus?

Baru dalam hal statistik dan pembelajaran mesin dan mengikuti kursus online.

Saya mencoba memahami regresi logistik secara lebih rinci, dan memperhatikan perbedaan dalam rumus antara kursus Andrew Ng dan kursus pembelajaran statistik Stanford. Di bawah ini saya memposting gambar tautan ke kedua formula. Jadi pembilangnya berbeda. Saya harus kehilangan smthg karena saya seorang noob dalam hal ini:

p (X) = \frac{e^{β_{0} + β_{1} X}}{1 + e^{β_{0} + β_{1} X}}

$p(X)=\frac{e^{\beta_0+\beta_1X}}{1+e^{\beta_0+\beta_1X}}$ danhttp://prntscr.com/dmyvx7

h_{θ} (x) = \frac{1}{1 + e^{- θ^{⊤} x}} .

$h_\theta(x)=\frac{1}{1+e^{-\theta^\top x}}.$

http://prntscr.com/dmywgy

regression machine-learning logistic

— stats999
sumber

$h_{\theta}(x)=\dfrac{1}{1+e^{-X\beta}}=\dfrac{1}{1+\frac{1}{e^{X\beta}}}=\dfrac{1}{\dfrac{e^{X\beta}}{e^{X\beta}}+\dfrac{1}{e^{X\beta}}}=\dfrac{1}{\dfrac{e^{X\beta}+1}{e^{X\beta}}}=\dfrac{e^{X\beta}}{1+e^{X\beta}}=p(X)$