Régression logistique: différentes formules entre les cours?

Nouveau dans l'apprentissage statistique et automatique et prenant des cours en ligne.

J'essaie de comprendre la régression logistique plus en détail et j'ai remarqué une différence dans la formule entre le cours Andrew Ng et le cours d'apprentissage statistique de Stanford. Ci-dessous, je poste une image de lien vers les deux formules. Le numérateur est donc différent. Je dois manquer smthg car je suis un noob dans ce domaine:

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

$p(X)=\frac{e^{\beta_0+\beta_1X}}{1+e^{\beta_0+\beta_1X}}$ et

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

$h_\theta(x)=\frac{1}{1+e^{-\theta^\top x}}.$ http://prntscr.com/dmyvx7

http://prntscr.com/dmywgy

regression machine-learning logistic

— stats999
source

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