')
}
function initGt() {
var handler = function (captchaObj) {
captchaObj.appendTo('#captcha');
captchaObj.onReady(function () {
$("#wait").hide();
}).onSuccess(function(){
$('.getcheckcode').removeClass('dis');
$('.getcheckcode').trigger('click');
});
window.captchaObj = captchaObj;
};
$('#captcha').show();
$.ajax({
url: "/login/gtstart?t=" + (new Date()).getTime(), // 加隨機數(shù)防止緩存
type: "get",
dataType: "json",
success: function (data) {
$('#text').hide();
$('#wait').show();
// 調(diào)用 initGeetest 進行初始化
// 參數(shù)1：配置參數(shù)
// 參數(shù)2：回調(diào)，回調(diào)的第一個參數(shù)驗證碼對象，之后可以使用它調(diào)用相應(yīng)的接口
initGeetest({
// 以下 4 個配置參數(shù)為必須，不能缺少
gt: data.gt,
challenge: data.challenge,
offline: !data.success, // 表示用戶后臺檢測極驗服務(wù)器是否宕機
new_captcha: data.new_captcha, // 用于宕機時表示是新驗證碼的宕機
product: "float", // 產(chǎn)品形式，包括：float，popup
width: "280px",
https: true
// 更多配置參數(shù)說明請參見：http://docs.geetest.com/install/client/web-front/
}, handler);
}
});
}
function codeCutdown() {
if(_wait == 0){ //倒計時完成
$(".getcheckcode").removeClass('dis').html("重新獲取");
}else{
$(".getcheckcode").addClass('dis').html("重新獲取("+_wait+"s)");
_wait--;
setTimeout(function () {
codeCutdown();
},1000);
}
}
function inputValidate(ele,telInput) {
var oInput = ele;
var inputVal = oInput.val();
var oType = ele.attr('data-type');
var oEtag = $('#etag').val();
var oErr = oInput.closest('.form_box').next('.err_txt');
var empTxt = '請輸入'+oInput.attr('placeholder')+'！';
var errTxt = '請輸入正確的'+oInput.attr('placeholder')+'！';
var pattern;
if(inputVal==""){
if(!telInput){
errFun(oErr,empTxt);
}
return false;
}else {
switch (oType){
case 'login_mobile':
pattern = /^1[3456789]\d{9}$/;
if(inputVal.length==11) {
$.ajax({
url: '/login/checkmobile',
type: "post",
dataType: "json",
data: {
mobile: inputVal,
etag: oEtag,
page_ur: window.location.href,
page_referer: document.referrer
},
success: function (data) {
}
});
}
break;
case 'login_yzm':
pattern = /^\d{6}$/;
break;
}
if(oType=='login_mobile'){
}
if(!!validateFun(pattern,inputVal)){
errFun(oErr,'')
if(telInput){
$('.getcheckcode').removeClass('dis');
}
}else {
if(!telInput) {
errFun(oErr, errTxt);
}else {
$('.getcheckcode').addClass('dis');
}
return false;
}
}
return true;
}
function errFun(obj,msg) {
obj.html(msg);
if(msg==''){
$('.login_submit').removeClass('dis');
}else {
$('.login_submit').addClass('dis');
}
}
function validateFun(pat,val) {
return pat.test(val);
}
首頁 > 行業(yè)圖譜 >
- 從曲線擬合問題窺視機器學(xué)習(xí)中的相關(guān)概念
2017-03-20-
從曲線擬合問題窺視機器學(xué)習(xí)中的相關(guān)概念
一直徘徊在機器學(xué)習(xí)的邊緣未敢輕易造次并畏懼其基本原理思想，從每一本厚厚的參考資料中都可以看出機器學(xué)習(xí)是一門跨越概率論、決策論、信息論以及最優(yōu)化的學(xué)科的綜合學(xué) ...
- Python機器學(xué)習(xí)之Logistic回歸
- 2017-03-18
-
Python機器學(xué)習(xí)之Logistic回歸
大數(shù)據(jù)時代，數(shù)據(jù)猶如一座巨大的金礦，等待我們?nèi)グl(fā)掘。而機器學(xué)習(xí)和數(shù)據(jù)挖掘的相關(guān)技術(shù)，無疑就是你挖礦探寶的必備利器！工欲善其事，必先利其器。很多初涉該領(lǐng)域的人，最先困惑 ...
- 牛頓法解機器學(xué)習(xí)中的Logistic回歸
- 2017-03-18
-
牛頓法解機器學(xué)習(xí)中的Logistic回歸
這仍然是近期系列文章中的一篇。在這一個系列中，我打算把機器學(xué)習(xí)中的Logistic回歸從原理到應(yīng)用詳細串起來。最初我們介紹了在Python中利用Scikit-Learn來建立Logistic回歸分 ...
- 機器學(xué)習(xí)中的隱馬爾科夫模型（HMM）詳解
- 2017-03-18
-
機器學(xué)習(xí)中的隱馬爾科夫模型（HMM）詳解
在之前介紹貝葉斯網(wǎng)絡(luò)的博文中，我們已經(jīng)討論過概率圖模型（PGM）的概念了。Russell等在文獻【1】中指出：“在統(tǒng)計學(xué)中，圖模型這個術(shù)語指包含貝葉斯網(wǎng)絡(luò)在內(nèi)的比較寬泛 ...
- 機器學(xué)習(xí)優(yōu)化算法之爬山算法小結(jié)
- 2017-03-16
-
機器學(xué)習(xí)優(yōu)化算法之爬山算法小結(jié)
機器學(xué)習(xí)的項目,不可避免的需要補充一些優(yōu)化算法,對于優(yōu)化算法,爬山算法還是比較重要的.鑒于此,花了些時間仔細閱讀了些爬山算法的paper.基于這些,做一些總結(jié).
目錄 ...
- 機器學(xué)習(xí)中概率論知識復(fù)習(xí)
- 2017-03-16
-
機器學(xué)習(xí)中概率論知識復(fù)習(xí)
1 基本概念
概率論在機器學(xué)習(xí)中扮演著一個核心角色，因為機器學(xué)習(xí)算法的設(shè)計通常依賴于對數(shù)據(jù)的概率假設(shè)。
1.1 概率空間
說到概率，通常是指一個具有不確定性的event發(fā)生的 ...
- 機器學(xué)習(xí)實現(xiàn)與分析之五（高斯判別分析）
- 2017-03-15
-
機器學(xué)習(xí)實現(xiàn)與分析之五（高斯判別分析）
高斯判別分析（GDA）簡介
首先，高斯判別分析的作用也是用于分類。對于兩類樣本，其服從伯努利分布，而對每個類中的樣本，假定都服從高斯分布，則有:
這 ...
- 機器學(xué)習(xí)實現(xiàn)與分析之四（廣義線性模型）
- 2017-03-15
-
機器學(xué)習(xí)實現(xiàn)與分析之四（廣義線性模型）
指數(shù)分布族
首先需要提及下指數(shù)分布族，它是指一系列的分布，只要其概率密度函數(shù)可以寫成下面這樣的形式：
一般的很多分布（如高斯分布，泊松分布，二項 ...
- 斯坦福機器學(xué)習(xí)實現(xiàn)與分析之二（線性回歸）
- 2017-03-15
-
斯坦福機器學(xué)習(xí)實現(xiàn)與分析之二（線性回歸）
回歸問題提出
首先需要明確回歸問題的根本目的在于預(yù)測。對于某個問題，一般我們不可能測量出每一種情況（工作量太大），故多是測量一組數(shù)據(jù)，基于此數(shù)據(jù)去預(yù) ...
- 機器學(xué)習(xí)實戰(zhàn)之SVD
- 2017-03-14
-
機器學(xué)習(xí)實戰(zhàn)之SVD
1. 奇異值分解 SVD(singular value decomposition)
1.1 SVD評價
優(yōu)點: 簡化數(shù)據(jù), 去除噪聲和冗余信息, 提高算法的結(jié)果
缺點: 數(shù)據(jù)的轉(zhuǎn)換可能難以理解
1.2 SVD應(yīng)用 ...
- 機器學(xué)習(xí)實戰(zhàn)之PCA
- 2017-03-14
-
機器學(xué)習(xí)實戰(zhàn)之PCA
1. 向量及其基變換
1.1 向量內(nèi)積
(1)兩個維數(shù)相同的向量的內(nèi)積定義如下: 內(nèi)積運算將兩個向量映射為一個實數(shù).
(2) 內(nèi)積的幾何意義
假設(shè)A\\B是兩個n維向量, n維向量可以 ...
- 機器學(xué)習(xí)實戰(zhàn)之Apriori
- 2017-03-14
-
機器學(xué)習(xí)實戰(zhàn)之Apriori
1. 關(guān)聯(lián)分析
1.1 定義
關(guān)聯(lián)分析是一種在大規(guī)模數(shù)據(jù)上尋找物品間隱含關(guān)系的一種任務(wù).這種關(guān)系有2種形式:頻繁項集和關(guān)聯(lián)規(guī)則.
&n ...
- 如何區(qū)分人工智能，機器學(xué)習(xí)和深度學(xué)習(xí)
- 2017-03-14
-
我們都熟悉“人工智能”這一概念。畢竟，這個詞常常在熱門電影中出現(xiàn)，如《終結(jié)者》、《黑客帝國》、《機械姬》。 但最近你也可能常常聽到其他術(shù)語，如“機器學(xué)習(xí)”和“深度學(xué)習(xí)”，這些詞有時與人工智能交 ...
- 機器學(xué)習(xí)基礎(chǔ)—梯度下降法（Gradient Descent）
- 2017-03-12
-
機器學(xué)習(xí)基礎(chǔ)—梯度下降法（Gradient Descent）
梯度下降法。一開始只是對其做了下簡單的了解。隨著內(nèi)容的深入，發(fā)現(xiàn)梯度下降法在很多算法中都用的到，除了之前看到的用來處理線性模型，還有BP神經(jīng)網(wǎng)絡(luò)等。于是 ...
- 機器學(xué)習(xí)算法常用指標(biāo)總結(jié)
- 2017-03-11
-
機器學(xué)習(xí)算法常用指標(biāo)總結(jié)
考慮一個二分問題，即將實例分成正類（positive）或負類（negative）。對一個二分問題來說，會出現(xiàn)四種情況。如果一個實例是正類并且也被 預(yù)測成正類，即為真正類（True positive）, ...
- 【機器學(xué)習(xí)經(jīng)典算法源碼分析系列】-- 線性回歸
- 2017-03-11
-
【機器學(xué)習(xí)經(jīng)典算法源碼分析系列】-- 線性回歸
一、單變量線性回歸：
1.數(shù)據(jù)集可視化
2.求解模型參數(shù)
對于線性回歸模型，有兩種方法可以求解模型參數(shù)。
1） 梯度下降法
將代價函數(shù)代入展開：
M ...
- 機器學(xué)習(xí)中特征選擇概述
- 2017-03-11
-
機器學(xué)習(xí)中特征選擇概述
1. 背景
1.1 問題
在機器學(xué)習(xí)的實際應(yīng)用中，特征數(shù)量可能較多，其中可能存在不相關(guān)的特征，特征之間也可能存在相關(guān)性，容易導(dǎo)致如下的后果：
（1） 特征個數(shù)越多，分析特征 ...
- 機器學(xué)習(xí)入門:K-近鄰算法
- 2017-03-11
-
機器學(xué)習(xí)入門:K-近鄰算法
先來一個簡單的例子，我們?nèi)绾蝸韰^(qū)分動作類電影與愛情類電影呢？動作片中存在很多的打斗鏡頭，愛情片中可能更多的是親吻鏡頭，所以我們姑且通過這兩種鏡頭的數(shù)量來預(yù)測這部電影的主題 ...
- 干貨 | 基礎(chǔ)機器學(xué)習(xí)算法
- 2017-03-10
-
本篇內(nèi)容主要是面向機器學(xué)習(xí)初學(xué)者,介紹常見的機器學(xué)習(xí)算法，當(dāng)然,歡迎同行交流。
哲學(xué)要回答的基本問題是從哪里來、我是誰、到哪里去，尋找答案的過程或許可以借鑒機器學(xué)習(xí)的套路：組織數(shù)據(jù)->挖掘知識->預(yù)測未來。 ...
- 淺談機器學(xué)習(xí)在市場營銷中的應(yīng)用
- 2017-03-06
-
目前，在線展示廣告越來越流行。在線展示廣告的目的是獲取更多的潛在客戶，吸引客戶購買商品。在線展示廣告的一個基本要求就是通過廣告獲取用戶所需費用要小于用戶購買商品所耗費用，進而使得通過廣告吸引來 ...
全國校區(qū)
京公網(wǎng)安備 11010802034615號
經(jīng)營許可證編號：京B2-20210330