')
}
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(jī)數(shù)防止緩存
type: "get",
dataType: "json",
success: function (data) {
$('#text').hide();
$('#wait').show();
// 調(diào)用 initGeetest 進(jìn)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(jī)
new_captcha: data.new_captcha, // 用于宕機(jī)時表示是新驗證碼的宕機(jī)
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 >

- R語言使用boosting方法對數(shù)據(jù)分類與交叉驗證
2018-01-19
-
R語言使用boosting方法對數(shù)據(jù)分類與交叉驗證
數(shù)據(jù)分類說明
與bagging方法類似,boosting算法也是先獲得簡單的分類器,然后通過調(diào)整錯分樣本的權(quán)重逐步改進(jìn)分類器,使得后續(xù)分類器能夠?qū)W習(xí)前一輪分類器,adab ...

- R語言使用隨機(jī)森林方法對數(shù)據(jù)分類
2018-01-19
-
R語言使用隨機(jī)森林方法對數(shù)據(jù)分類
說明
隨機(jī)森林是另一類可用的集成學(xué)習(xí)方法,該算法在訓(xùn)練過程中將產(chǎn)生多棵決策樹,每棵決策樹會根據(jù)輸入數(shù)據(jù)集產(chǎn)生相應(yīng)的預(yù)測輸出,算法采用投票機(jī)制選擇類別眾數(shù)做為預(yù)測 ...

- R語言利用ROCR評測模型的預(yù)測能力
2018-01-19
-
R語言利用ROCR評測模型的預(yù)測能力
說明
受試者工作特征曲線(ROC),這是一種常用的二元分類系統(tǒng)性能展示圖形,在曲線上分別標(biāo)注了不同切點的真正率與假正率。我們通常會基于ROC曲線計算處于曲線下方的面積AU ...

- R語言基于模型的聚類方法處理
2018-01-18
-
R語言基于模型的聚類方法處理
說明
與使用啟發(fā)式方法而非依賴某個形式化模型的層次聚類和K均值聚類不同,基于模型的聚類算法假設(shè)存在多種數(shù)據(jù)模型,并使用EM算法來判斷可能性最大的數(shù)據(jù)模型作為對數(shù)據(jù)處理進(jìn) ...

- R語言使用密度聚類筆法處理數(shù)據(jù)
2018-01-18
-
R語言使用密度聚類筆法處理數(shù)據(jù)
說明
除了使用距離作為聚類指標(biāo),還可以使用密度指標(biāo)來對數(shù)據(jù)進(jìn)行聚類處理,將分布稠密的樣本與分布稀疏的樣本分離開。DBSCAN是最著名的密度聚類算法。
操作
將使用mlb ...

- R語言獲取優(yōu)化的k均值聚類
2018-01-17
-
R語言獲取優(yōu)化的k均值聚類
k均值算法效率快也易于實現(xiàn),但在算法開始要求提前規(guī)定好簇K的數(shù)目,因此我們可以使用距離的平方和確定那個K值能夠得到最好的k均值聚類效果。
操作
執(zhí)行以下操作為K均值算法找到最合 ...

- R語言使用邏輯回歸分類算法
2018-01-15
-
R語言使用邏輯回歸分類算法
邏輯回歸屬于概率統(tǒng)計的分類算法模型的算法,是根據(jù)一個或者多個特征進(jìn)行類別標(biāo)號預(yù)測。在R語言中可以通過調(diào)用logit函數(shù)執(zhí)行邏輯回歸分類算法并預(yù)測輸出概率。通過調(diào)用glm函數(shù)將fami ...

- R語言線性回歸診斷
2018-01-15
-
R語言線性回歸診斷
回歸診斷主要內(nèi)容
(1).誤差項是否滿足獨立性,等方差性與正態(tài)
(2).選擇線性模型是否合適
(3).是否存在異常樣本
(4).回歸分析是否對某個樣本的依賴過重,也就是模型是否具有穩(wěn)定性
(5).自變量 ...

- R語言調(diào)用rlm函數(shù)生成穩(wěn)建回歸模型
2018-01-15
-
R語言調(diào)用rlm函數(shù)生成穩(wěn)建回歸模型
數(shù)據(jù)中的孤立點會對回歸直線的正確性帶來一定的影響,除了去掉孤立點,我們也可以用穩(wěn)建回歸來處理包括孤立點的數(shù)據(jù)集。
數(shù)據(jù)準(zhǔn)備
準(zhǔn)備好包含孤立點,并且孤立點會影響回歸模 ...

- R語言中qplot()的用法
2018-01-15
-
R語言中qplot()的用法
a, b, c, d, e, f, g, h = range(8)
ggplot2()函數(shù)
ggplot2是一個強(qiáng)大的作圖工具,它可以讓你不受現(xiàn)有圖形類型的限制,創(chuàng)造出任何有助于解決你所遇到問題的圖形。
qplot()
qplot()屬于gg ...

- R語言回歸分析之影響分析
2018-01-14
-
R語言回歸分析之影響分析
說明
影響分析就是探查對估計有異常影響的數(shù)據(jù),如果一個樣本不遵從某個模型,但是其余數(shù)據(jù)遵從這個模型,稱為這個樣本點為強(qiáng)影響點,也稱為高杠桿點,影響分析的一個重要功能就是 ...

- R語言與回歸分析幾個假設(shè)的檢驗
2018-01-14
-
R語言與回歸分析幾個假設(shè)的檢驗
一、從線性回歸的假設(shè)說起
對于線性回歸而言,若要求回歸估計有一些良好性質(zhì)比如無偏性,就需要加上一些假定條件。比如要達(dá)到估計的無偏性,我們通常需要加上高斯-馬爾科夫條 ...

- R語言與顯著性檢驗學(xué)習(xí)筆記
2018-01-14
-
R語言與顯著性檢驗學(xué)習(xí)筆記
一、何為顯著性檢驗
顯著性檢驗的思想十分的簡單,就是認(rèn)為小概率事件不可能發(fā)生。雖然概率論中我們一直強(qiáng)調(diào)小概率事件必然發(fā)生,但顯著性檢驗還是相信了小概率事件在我做的這一 ...

- R語言 畫圖時常用命令
2018-01-09
-
R語言 畫圖時常用命令
生成圖片 存儲圖片 存儲圖片格式 存儲位置的方式 畫圖的常用命令
第一種png格式
png(file=\"myplot.png\", bg=\"transparent\")
畫圖程序
dev.off()
第二 ...

- 利用R語言如何去除字符串中成對的括號
2018-01-08
-
利用R語言如何去除字符串中成對的括號
近日,遇到一個問題,編寫程序,刪除任意字符串中包含的所有成對的括號及括號里面的字符,如字符“AB(CD)EFG(I)JK”處理成“ABEFJK”我們來利用R語言中的正則化表達(dá)式實現(xiàn) ...

- R語言:文本(字符串)處理與正則表達(dá)式
2018-01-07
-
R語言:文本(字符串)處理與正則表達(dá)式
處理文本是每一種計算機(jī)語言都應(yīng)該具備的功能,但不是每一種語言都側(cè)重于處理文本。R語言是統(tǒng)計的語言,處理文本不是它的強(qiáng)項,perl語言這方面的功能比R不知要強(qiáng)多少倍 ...

- R語言 字符串的處理(解析+案例)
2018-01-06
-
R語言 字符串的處理(解析+案例)
數(shù)據(jù)分析師的日常工作就是數(shù)據(jù)預(yù)處理,數(shù)據(jù)預(yù)處理最經(jīng)常遇到的問題就是字符串的處理,這部分很難,我以前看過一些R的書和一些技術(shù)博客,現(xiàn)在依舊發(fā)現(xiàn)有些細(xì)節(jié)做不好,下面我就 ...

- R語言中字符串的拼接操作
2018-01-06
-
R語言中字符串的拼接操作
在R語言中 paste 是一個很有用的字符串處理函數(shù),可以連接不同類型的變量及常量。
函數(shù)paste的一般使用格式為:
paste(..., sep = \" \", collapse = NULL)
其中…表示一個或多個R可以 ...

- R語言xgboost自定義目標(biāo)函數(shù)
2018-01-06
-
R語言xgboost自定義目標(biāo)函數(shù)
要自定義xgboost的目標(biāo)函數(shù),有兩種方式
自定義目標(biāo)函數(shù)(objective)
自定義評價函數(shù)(feval)。
如果是自定義目標(biāo)函數(shù)你需要求解該目標(biāo)函數(shù)的 ...
- R語言實現(xiàn)數(shù)據(jù)操作
2017-12-17
-
R語言實現(xiàn)數(shù)據(jù)操作
1.選擇與查看數(shù)據(jù)
#選定數(shù)據(jù)
>data(iris)
#查看數(shù)據(jù),按列展開,觀測數(shù)據(jù)類型
>str(iris)
\'data.frame\': 150 obs. of 5 variables:
$ Sepal.Length: num&nb ...