')
}
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(gè)參數(shù)驗(yàn)證碼對(duì)象,之后可以使用它調(diào)用相應(yīng)的接口
initGeetest({
// 以下 4 個(gè)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(tái)檢測(cè)極驗(yàn)服務(wù)器是否宕機(jī)
new_captcha: data.new_captcha, // 用于宕機(jī)時(shí)表示是新驗(yàn)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(qǐng)參見:http://docs.geetest.com/install/client/web-front/
}, handler);
}
});
}
function codeCutdown() {
if(_wait == 0){ //倒計(jì)時(shí)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 = $('#etag').val();
var oErr = oInput.closest('.form_box').next('.err_txt');
var empTxt = '請(qǐng)輸入'+oInput.attr('placeholder')+'!';
var errTxt = '請(qǐng)輸入正確的'+oInput.attr('placeholder')+'!';
var pattern;
if(inputVal==""){
if(!telInput){
errFun(oErr,empTxt);
}
return false;
}else {
switch (oType){
case 'login_mobile':
pattern = /^1[3456789]\d{9}$/;
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 >

- K最近鄰(KNN,k-Nearest Neighbor)準(zhǔn)確理解
2016-12-28
-
K最近鄰(KNN,k-Nearest Neighbor)準(zhǔn)確理解
用了之后,發(fā)現(xiàn)我用的都是1NN,所以查閱了一下相關(guān)文獻(xiàn),才對(duì)KNN理解正確了,真是丟人了。
下圖中,綠色圓要被決定賦予哪個(gè)類,是紅色三角形還是藍(lán)色四方形?如果K ...

- kernel 核函數(shù) 意義 作用 原理_機(jī)器學(xué)習(xí)
2016-12-14
-
kernel 核函數(shù) 意義 作用 原理_機(jī)器學(xué)習(xí)
核函數(shù)目的:把原坐標(biāo)系里線性不可分的數(shù)據(jù)用Kernel投影到另一個(gè)空間,盡量使得數(shù)據(jù)在新的空間里線性可分。
核函數(shù)方法的廣泛應(yīng)用,與其特點(diǎn)是分不開的:
...

- 數(shù)據(jù)挖掘分類方法小結(jié)_數(shù)據(jù)挖掘中的基于決策樹的分類方法
2016-12-14
-
數(shù)據(jù)挖掘分類方法小結(jié)_數(shù)據(jù)挖掘中的基于決策樹的分類方法
數(shù)據(jù)倉(cāng)庫(kù),數(shù)據(jù)庫(kù)或者其它信息庫(kù)中隱藏著許多可以為商業(yè)、科研等活動(dòng)的決策提供所需要的知識(shí)。分類與預(yù)測(cè)是兩種數(shù)據(jù)分析形式,它們可以用來抽取能夠描 ...

- 用R語言實(shí)現(xiàn)對(duì)不平衡數(shù)據(jù)的四種處理方法
2016-09-07
-
用R語言實(shí)現(xiàn)對(duì)不平衡數(shù)據(jù)的四種處理方法
在對(duì)不平衡的分類數(shù)據(jù)集進(jìn)行建模時(shí),機(jī)器學(xué)習(xí)算法可能并不穩(wěn)定,其預(yù)測(cè)結(jié)果甚至可能是有偏的,而預(yù)測(cè)精度此時(shí)也變得帶有誤導(dǎo)性。那么,這種結(jié)果是為何發(fā)生的呢?到底是什 ...

- 數(shù)據(jù)挖掘- 分類算法比較
2016-07-20
-
數(shù)據(jù)挖掘- 分類算法比較
隨著計(jì)算能力、存儲(chǔ)、網(wǎng)絡(luò)的高速發(fā)展,人類積累的數(shù)據(jù)量正以指數(shù)速度增長(zhǎng)。對(duì)于這些數(shù)據(jù),人們迫切希望從中提取出隱藏其中的有用信息,更需要發(fā)現(xiàn)更深層次的規(guī)律,對(duì)決策,商務(wù)應(yīng)用提 ...

- 常見機(jī)器學(xué)習(xí)算法比較
2016-07-11
-
常見機(jī)器學(xué)習(xí)算法比較
機(jī)器學(xué)習(xí)算法太多了,分類、回歸、聚類、推薦、圖像識(shí)別領(lǐng)域等等,要想找到一個(gè)合適算法真的不容易,所以在實(shí)際應(yīng)用中,我們一般都是采用啟發(fā)式學(xué)習(xí)方式來實(shí)驗(yàn)。通常最開始我們都會(huì)選擇 ...

- 機(jī)器學(xué)習(xí)實(shí)踐中應(yīng)避免的7種常見錯(cuò)誤
2016-06-02
-
機(jī)器學(xué)習(xí)實(shí)踐中應(yīng)避免的7種常見錯(cuò)誤
在機(jī)器學(xué)習(xí)領(lǐng)域,每個(gè)給定的建模問題都存在幾十種解法,本文作者認(rèn)為,模型算法的假設(shè)并不一定適用于手頭的數(shù)據(jù);在追求模型最佳性能時(shí),重要的是選擇適合數(shù)據(jù)集(尤其是“ ...

- 矩陣分解在推薦系統(tǒng)中的應(yīng)用:NMF和經(jīng)典SVD實(shí)戰(zhàn)
2016-05-06
-
矩陣分解在推薦系統(tǒng)中的應(yīng)用:NMF和經(jīng)典SVD實(shí)戰(zhàn)
數(shù)據(jù)
關(guān)于NMF,在隱語義模型和NMF(非負(fù)矩陣分解)已經(jīng)有過介紹。
用戶和物品的主題分布
運(yùn)行后輸出:
可視化物品的主 ...

- 線性判別分析(Linear Discriminant Analysis, LDA)算法分析
2016-04-24
-
線性判別分析(Linear Discriminant Analysis, LDA)算法分析
一. LDA算法概述:
線性判別式分析(Linear Discriminant Analysis, LDA),也叫做Fisher線性判別(Fisher Linear&nbs ...

- 如何利用機(jī)器學(xué)習(xí)進(jìn)行海量數(shù)據(jù)挖掘
2016-04-20
-
互聯(lián)網(wǎng)的海量數(shù)據(jù)不可能靠人工一個(gè)個(gè)處理,只能依靠計(jì)算機(jī)批量處理。最初的做法是人為設(shè)定好一些規(guī)則,由機(jī)器來執(zhí)行。但特征一多規(guī)則就很難制定,即使定下了規(guī)則也沒法根據(jù)實(shí)際情況靈活變化。機(jī)器學(xué)習(xí)可以很好的解決 ...

- 美團(tuán)實(shí)例詳解機(jī)器學(xué)習(xí)如何解決問題
2016-04-06
-
前言:隨著大數(shù)據(jù)時(shí)代的到來,機(jī)器學(xué)習(xí)成為解決問題的一種重要且關(guān)鍵的工具。不管是工業(yè)界還是學(xué)術(shù)界,機(jī)器學(xué)習(xí)都是一個(gè)炙手可熱的方向,但是學(xué)術(shù)界和工業(yè)界對(duì)機(jī)器學(xué)習(xí)的研究各有側(cè)重,學(xué)術(shù)界側(cè)重于對(duì)機(jī)器學(xué)習(xí)理論的 ...

- 統(tǒng)計(jì)中分類算法總結(jié)
2016-03-19
-
統(tǒng)計(jì)中分類算法總結(jié)
對(duì)于很多做統(tǒng)計(jì)的人員來說,對(duì)統(tǒng)計(jì)中的算法知道的不是很全面,下面就對(duì)統(tǒng)計(jì)中分類算法做個(gè)總結(jié)。
數(shù)據(jù)轉(zhuǎn)換
主要有兩種:
l 歸一化處理
主要通過把數(shù)據(jù)歸一到一 ...
- 數(shù)據(jù)挖掘十大算法總結(jié)--核心思想,算法優(yōu)缺點(diǎn),應(yīng)用領(lǐng)域,數(shù)據(jù)挖掘優(yōu)缺點(diǎn)
2016-03-19
-
數(shù)據(jù)挖掘十大算法總結(jié)--核心思想,算法優(yōu)缺點(diǎn),應(yīng)用領(lǐng)域,數(shù)據(jù)挖掘優(yōu)缺點(diǎn)
本文所涉算法均只概述核心思想,具體實(shí)現(xiàn)細(xì)節(jié)參看“數(shù)據(jù)挖掘算法學(xué)習(xí)”分類下其他文章,不定期更新中。轉(zhuǎn)載請(qǐng)注明出處,謝謝。
參考 ...
- 把小樣本經(jīng)驗(yàn)用在海量樣本篩選上,才是大數(shù)據(jù)的價(jià)值
2016-02-26
-
把小樣本經(jīng)驗(yàn)用在海量樣本篩選上,才是大數(shù)據(jù)的價(jià)值
從小樣本到大數(shù)據(jù):概念與誤區(qū)
最近兩年產(chǎn)生并記錄的數(shù)據(jù),總量占到人類文明以來所有數(shù)據(jù)總和的90%。我們?cè)丛床粩嘤涗浿磺杏袃r(jià)值的信息, ...

- 數(shù)據(jù)挖掘領(lǐng)域的10大經(jīng)典算法分享
2016-02-12
-
數(shù)據(jù)挖掘領(lǐng)域的10大經(jīng)典算法分享
在和數(shù)據(jù)挖掘方面的朋友聊天時(shí),會(huì)討論一些關(guān)于挖掘領(lǐng)域方面知識(shí),對(duì)于10大經(jīng)典算法還有過一次激烈的討論,應(yīng)為當(dāng)時(shí)是剛接觸數(shù)據(jù)挖掘,不是很懂。國(guó)際權(quán)威的學(xué)術(shù)組織the ...

- 機(jī)器學(xué)習(xí)算法一覽
2016-01-18
-
文 | 寒小陽
來源 | CSDN博客
引言
提起筆來寫這篇博客,突然有點(diǎn)愧疚和尷尬。愧疚的是,工作雜事多,加之懶癌嚴(yán)重,導(dǎo)致這個(gè)系列一直沒有更新,向關(guān)注該系列的同學(xué)們道個(gè) ...
- 聚類分析的主要步驟
2015-11-30
-
聚類分析的主要步驟
聚類分析的主要步驟
1.數(shù)據(jù)預(yù)處理,
2.為衡量數(shù)據(jù)點(diǎn)間的相似度定義一個(gè)距離函數(shù),
3.聚類或分組,
4.評(píng)估輸出。
數(shù)據(jù)預(yù)處理包括選擇數(shù)量,類型和 ...
- 數(shù)據(jù)挖掘十大經(jīng)典算法及各自優(yōu)勢(shì)
2015-10-27
-
數(shù)據(jù)挖掘十大經(jīng)典算法及各自優(yōu)勢(shì)
不僅僅是選中的十大算法,其實(shí)參加評(píng)選的18種算法,實(shí)際上隨便拿出一種來都可以稱得上是經(jīng)典算法,它們?cè)跀?shù)據(jù)挖掘領(lǐng)域都產(chǎn)生了極為深遠(yuǎn)的影響。
1. C4.5
...

- 數(shù)據(jù)挖掘 特異群組挖掘的框架與應(yīng)用
2015-10-13
-
數(shù)據(jù)挖掘 特異群組挖掘的框架與應(yīng)用
特異群組挖掘在證券金融、醫(yī)療保險(xiǎn)、智能交通、社會(huì)網(wǎng)絡(luò)和生命科學(xué)研究等領(lǐng)域具有重要應(yīng)用價(jià)值。特異群組挖掘與聚類、異常挖掘都屬于根據(jù)數(shù)據(jù)對(duì)象的相似性來劃分?jǐn)?shù)據(jù) ...
- 數(shù)據(jù)挖掘十大經(jīng)典算法
2015-09-14
-
數(shù)據(jù)挖掘十大經(jīng)典算法
國(guó)際權(quán)威的學(xué)術(shù)組織the IEEE International Conference on Data Mining (ICDM) 2006年12月評(píng)選出了數(shù)據(jù)挖掘領(lǐng)域的十大經(jīng)典算法:C4.5, k-Means, SVM, Apriori, EM, PageRank, AdaB ...