Logistische Regression: Unterschiedliche Formeln zwischen den Kursen?

Neu im statistischen und maschinellen Lernen und in einigen Online-Kursen.

Ich versuche, die logistische Regression genauer zu verstehen, und habe einen Unterschied in der Formel zwischen dem Andrew Ng-Kurs und dem statistischen Stanford-Lernkurs festgestellt. Unten poste ich ein Linkbild zu beiden Formeln. Der Zähler ist also anders. Ich muss etwas vermissen, da ich ein Noob darin bin:

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

$p(X)=\frac{e^{\beta_0+\beta_1X}}{1+e^{\beta_0+\beta_1X}}$ undhttp://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
quelle

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