')
}
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 >
- R語言：數(shù)據(jù)處理包dplyr的函數(shù)
2017-07-07-
R語言：數(shù)據(jù)處理包dplyr的函數(shù)
dplyr專注處理dataframe對象, 并提供更穩(wěn)健的與其它數(shù)據(jù)庫對象間的接口。
一、5個關鍵的數(shù)據(jù)處理函數(shù)：
select() 返回列的子集
filter() 返回行的子 ...
- R語言—日常隨筆
- 2017-07-07
-
R語言—日常隨筆
1.字符處理函數(shù):paste()
需求：將字符向量中的字符串，用逗號隔開，合并為一句話。
> ##字符向量
> ls_1
[1] \"天津\" \"上海\" \"安徽\" \"福建\" \"四川\" \"重慶\" \"陜西\" \"青海\" \" ...
- R語言分類算法之線性判別分析(Linear Discriminant Analysis)
- 2017-07-02
-
R語言分類算法之線性判別分析(Linear Discriminant Analysis)
1.線性判別原理解析
基本思想是”投影”,即高緯度空間的點向低緯度空間投影,從而簡化問題的處理.在原坐標系下,空間中的點可能很難被分開, ...
- R語言實現(xiàn)分層抽樣(Stratified Sampling)以iris數(shù)據(jù)集為例
- 2017-07-02
-
R語言實現(xiàn)分層抽樣(Stratified Sampling)以iris數(shù)據(jù)集為例
1.觀察數(shù)據(jù)集
head(iris)
選取數(shù)據(jù)集中前6個數(shù)據(jù)，我們可以看出iris數(shù)據(jù)集一共有5個字段。
dim(iris)
iris數(shù)據(jù)集一 ...
- R語言進行中文分詞和聚類
- 2017-07-02
-
R語言進行中文分詞和聚類
由于時間較緊，且人手不夠，不能采用分類方法，主要是沒有時間人工分類一部分生成訓練集……所以只能用聚類方法，聚類最簡單的方法無外乎：K-means與層次聚類。
嘗試過使用K-means ...
- 回歸預測及R語言實現(xiàn)Part2回歸R語言實現(xiàn)
- 2017-07-02
-
回歸預測及R語言實現(xiàn)Part2回歸R語言實現(xiàn)
下面是回歸分析的各種變體的簡單介紹，解釋變量和相應變量就是指自變量和因變量。
常用普通最小二乘（OLS）回歸法來擬合實現(xiàn)簡單線性、多項式和多元線性等回歸模 ...
- R語言決策樹
- 2017-07-01
-
決策樹是曲線圖，表示在樹的形式的選擇和它們的結果。圖中的節(jié)點表示一個事件或選擇，以及圖形的邊表示所述決策規(guī)則或條件。它主要使用是在機器學習和數(shù)據(jù)挖掘應用程序中使用R語言。
使用決策樹的一個例子 - 預測 ...
- R語言隨機森林
- 2017-07-01
-
R語言隨機森林
在隨機森林做法是由大量的決策樹來創(chuàng)建的。每個觀察被送入每一個決定樹。對于每個觀測的最常見的結果被用作最終的輸出。一個新的觀察被送入所有樹，并采取多數(shù)表決每個分類模型。
錯誤估算出 ...
- R語言生存分析
- 2017-07-01
-
R語言生存分析
生存分析涉及預測當特定事件將要發(fā)生的時間。它也被稱為故障時間分析，或死亡時間的分析。例如，預測天的人患有癌癥將生存的數(shù)量和預測時間時機械系統(tǒng)是要失敗。
在R中包名為 survival 是用來 ...
- R語言卡方檢驗
- 2017-07-01
-
R語言卡方檢驗
卡方檢驗是一種統(tǒng)計方法，以確定兩個分類變量之間有一個顯著的相關性。 這兩項變量應該是從同一個群體，它們應該是分類如 - Yes/No,
Male/Female, Red/Green
等。例如，我們可以建立與人 ...
- R語言泊松回歸
- 2017-06-24
-
R語言泊松回歸
泊松回歸涉及回歸模型，其中，應變量是計數(shù)且不是為分數(shù)的形式。例如出生或足球比賽系勝場數(shù)的列的計數(shù)。響應變量的值遵循泊松分布。
對于泊松回歸一般的數(shù)學公式是：
log(y) = a + b1x1 + b2 ...
- R語言二項分布
- 2017-06-24
-
R語言二項分布
二項式分布模型涉及尋找具有在一系列實驗中只有兩種可能的結果的事件的成功的概率。對于一個硬幣的例子折騰總是給出一個正面或反面。發(fā)現(xiàn)正是3個正面，在反復擲硬幣10次的概率是二項分布估計的期 ...
- R語言邏輯回歸
- 2017-06-24
-
R語言邏輯回歸
邏輯回歸是回歸模型，其中響應變量(因變量)具有明確的值，如：True/False或0/1。 它實際測量二元響應作為響應變量，是基于與預測變量有關它的數(shù)學方程的值的概率。
邏輯回歸一般的數(shù)學公 ...
- R語言多元回歸
- 2017-06-20
-
R語言多元回歸
多元回歸是線性回歸成多于兩個變量之間關系的延伸。在簡單的線性關系，我們有一個預測值和一個響應變量，但在多元回歸我們有一個以上的預測值變量和一個響應變量。
對于多元回歸的一般數(shù) ...
- R語言均值,中位數(shù)和模式
- 2017-06-20
-
R語言均值,中位數(shù)和模式
在R統(tǒng)計分析是通過用許多內(nèi)置函數(shù)來執(zhí)行的。 大多數(shù)這些函數(shù)是R基本包的一部分。這些函數(shù)需要R向量作為輸入?yún)?shù)并給出結果。
我們正在討論本章中的函數(shù)是平均數(shù)，中位數(shù)和模式。
...
- R語言散點圖
- 2017-06-20
-
R語言散點圖
散點圖顯示繪制坐標平面多點。每個點代表兩個變量的值。一個變量被選擇在水平軸和另一個在垂直軸。
使用 plot()函數(shù)來創(chuàng)建簡單的散點圖。
語法
R中創(chuàng)造散點圖的基本語法是：
plot(x, y ...
- R語言箱線圖
- 2017-06-20
-
R語言箱線圖
箱線圖是分布在一個數(shù)據(jù)集中的數(shù)據(jù)的量度。它把組分為三個四分位值的數(shù)據(jù)。此圖表示的最小值，最大值，中值，第一個四分位數(shù)和第三個四分位數(shù)中的數(shù)據(jù)集。在通過拉伸箱圖比較每個跨數(shù)據(jù)集數(shù)據(jù)的分 ...
- R語言條形圖(柱狀圖)
- 2017-06-19
-
R語言條形圖(柱狀圖)
條形圖代表在與條成比例的變量的值的長度矩形條數(shù)據(jù)。R使用函數(shù)barplot()來創(chuàng)建柱狀圖。R能夠繪制柱狀圖垂直和水平條。在柱狀圖中每個條都可以顯示不同的顏色。
語法
創(chuàng)建一個條形圖 ...
- R語言餅圖圖表
- 2017-06-19
-
R語言餅圖圖表
R語言編寫有許多庫用來創(chuàng)建圖表和圖形。餅圖是表示不同顏色的值的圓片。切片標記和對應于各切片的數(shù)量也被表示在圖表中。
R語言中的餅圖使用 pie()函數(shù)，接受正數(shù)作為一個向量輸入來創(chuàng)建。附 ...
- R語言數(shù)據(jù)庫(MySQL)
- 2017-06-19
-
R語言數(shù)據(jù)庫(MySQL)
數(shù)據(jù)是關系數(shù)據(jù)庫系統(tǒng)中存儲的統(tǒng)一化格式。 因此，實施我們需要非常先進和復雜的SQL查詢統(tǒng)計計算。但是R能夠輕松地連接到諸如MySql,
Oracle, Sql
server等多種關系數(shù)據(jù)庫并且可以從它們的 ...
全國校區(qū)
京公網(wǎng)安備 11010802034615號
經(jīng)營許可證編號：京B2-20210330