')
}
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(shuō)明請(qǐng)參見(jiàn):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(yè) > 行業(yè)圖譜 >

- 如何在R語(yǔ)言中使用Logistic回歸模型
2017-05-07
-
如何在R語(yǔ)言中使用Logistic回歸模型
在實(shí)際應(yīng)用中,Logistic模型主要有三大用途:
1)尋找危險(xiǎn)因素,找到某些影響因變量的\"壞因素\",一般可以通過(guò)優(yōu)勢(shì)比發(fā)現(xiàn)危險(xiǎn)因素;
2)用于預(yù)測(cè),可以預(yù)測(cè)某種情況 ...

- 好課推薦丨CDA建模分析師-R語(yǔ)言
2017-05-05
-
數(shù)據(jù)科學(xué)家被認(rèn)為是21世紀(jì)最性感也是最具發(fā)展前景的職業(yè),目前有75%左右的數(shù)據(jù)科學(xué)家使用R語(yǔ)言,有35%左右的數(shù)據(jù)科學(xué)家將R語(yǔ)言作為首選統(tǒng)計(jì)分析工具。今天,我們來(lái)了解一下R語(yǔ)言的前世今生。
一、R的誕生 ...

- 數(shù)據(jù)科學(xué)優(yōu)質(zhì)課程推薦2:統(tǒng)計(jì)入門課程篇
2017-05-04
-
一年前,我退出了加拿大最好的計(jì)算機(jī)科學(xué)項(xiàng)目之一,利用在線課程資源開(kāi)始創(chuàng)建屬于自己的數(shù)據(jù)科學(xué)碩士課程。通過(guò) edX , Coursera ,以及 Udacity 我可以學(xué)習(xí)我所需要的一切,而且學(xué)的更快、效率更高,成本更低 ...

- 數(shù)據(jù)挖掘算法(logistic回歸,隨機(jī)森林,GBDT和xgboost)
2017-05-04
-
數(shù)據(jù)挖掘算法(logistic回歸,隨機(jī)森林,GBDT和xgboost)
面網(wǎng)易數(shù)據(jù)挖掘工程師崗位,第一次面數(shù)據(jù)挖掘的崗位,只想著能夠去多準(zhǔn)備一些,體驗(yàn)面這個(gè)崗位的感覺(jué),雖然最好心有不甘告終,不過(guò)繼續(xù)加油。
不過(guò) ...

- 利用Python練習(xí)數(shù)據(jù)挖掘
2017-05-03
-
利用Python練習(xí)數(shù)據(jù)挖掘
覆蓋使用Python進(jìn)行數(shù)據(jù)挖掘查找和描述數(shù)據(jù)結(jié)構(gòu)模式的實(shí)踐工具。
第一節(jié)
介紹
數(shù)據(jù)挖掘是一個(gè)隱式提取以前未知的潛在有用的數(shù)據(jù)信息提取方式。它使用廣泛,并且是眾多應(yīng)用的技術(shù)基礎(chǔ)。
...

- 數(shù)據(jù)挖掘中易栽的10個(gè)坑
2017-05-03
-
數(shù)據(jù)挖掘中易栽的10個(gè)坑
1.缺乏數(shù)據(jù)
對(duì)于分類問(wèn)題或預(yù)估問(wèn)題來(lái)說(shuō),常常缺乏準(zhǔn)確標(biāo)注的案例。
例如:
-欺詐偵測(cè)(:在上百萬(wàn)的交易中,可能只有屈指可數(shù)的欺詐交易,還有很多的欺詐交易沒(méi)有被正確標(biāo) ...

- SPSS因子分析法-例子解釋
2017-05-02
-
SPSS因子分析法-例子解釋
因子分析的基本概念和步驟
一、因子分析的意義
在研究實(shí)際問(wèn)題時(shí)往往希望盡可能多地收集相關(guān)變量,以期望能對(duì)問(wèn)題有比較全面、完整的把握和認(rèn)識(shí)。例如,對(duì)高等學(xué)??蒲袪顩r的評(píng) ...

- R語(yǔ)言中如何使用最小二乘法
2017-04-28
-
R語(yǔ)言中如何使用最小二乘法
這里只是介紹下R語(yǔ)言中如何使用最小二乘法解決一次函數(shù)的線性回歸問(wèn)題。
代碼如下:
> x<-c(6.19,2.51,7.29,7.01,5.7,2.66,3.98, ...

- Spss的基本方法使用步驟
2017-04-23
-
Spss的基本方法使用步驟
由于一次的調(diào)研工作,我們的數(shù)據(jù)分析采用spss的統(tǒng)計(jì)分析工具,然后我是一個(gè)新人,全都是一步一步從零開(kāi)始操作的。在學(xué)習(xí)的過(guò)程中簡(jiǎn)單記錄了一點(diǎn)筆記,既然寫(xiě)了,就覺(jué)得應(yīng)該把它保存下來(lái) ...

- 使用Excel進(jìn)行回歸分析,預(yù)測(cè)真實(shí)值
2017-04-14
-
前言
昨天學(xué)習(xí)了 Excel 中的相關(guān)分析,在數(shù)據(jù)分析中,相關(guān)分析和回歸分析關(guān)系緊密,今天來(lái)學(xué)習(xí)下 Excel 中的回歸分析。
回歸分析
回歸分析(regressionanalysis)是確定兩種或兩種以上變量間相互依賴的定量關(guān)系的 ...

- SPSS分析技術(shù):判別分析
2017-04-06
-
SPSS分析技術(shù):判別分析
在數(shù)據(jù)處理中,有這樣一種情況:現(xiàn)在已經(jīng)有若干樣本被正確地分類了,但不清楚分類的依據(jù)是什么。同時(shí),未來(lái)還會(huì)有大量的未被分類的樣本,需要按照上述規(guī)則判定這些樣本的所屬類別。為此 ...

- 嶺回歸分析及其SPSS實(shí)現(xiàn)方法
2017-04-05
-
嶺回歸分析及其SPSS實(shí)現(xiàn)方法
近日有醫(yī)院的小伙伴問(wèn)起嶺回歸分析的SPSS操作,在此與大家一起復(fù)習(xí)一下。
嶺回歸分析(RidgeRegression)是一種改良的最小二乘估計(jì)方法,它是用于解決在線性回歸分析中自變量存 ...
- 谷歌微軟等科技巨頭數(shù)據(jù)科學(xué)崗位面試題(108道)
2017-04-05
-
來(lái)自 Glassdoor 的最新數(shù)據(jù)可以告訴我們各大科技公司最近在招聘面試時(shí)最喜歡向候選人提什么問(wèn)題。首先有一個(gè)令人惋惜的結(jié)論:根據(jù)統(tǒng)計(jì),幾乎所有的公司都有著自己的不同風(fēng)格。由于 Glassdoor 允許匿名提交內(nèi)容,很 ...

- sas輸出基尼方差,F(xiàn)檢驗(yàn)
2017-04-03
-
sas輸出基尼方差,F(xiàn)檢驗(yàn)
有時(shí)候,我們?cè)诮G捌跁?huì)有一個(gè)變量探索的單變量與因變量的數(shù)據(jù)分析報(bào)告,但其實(shí),不同的數(shù)據(jù)形式有不同的指標(biāo)來(lái)衡量變量與因變量的解釋能力
今天的代碼介紹的就是單變量與因變量之 ...

- 扒一扒真實(shí)的大數(shù)據(jù)行業(yè)
2017-04-02
-
扒一扒真實(shí)的大數(shù)據(jù)行業(yè)
大數(shù)據(jù)是近年來(lái)方興未艾的行業(yè),也是企業(yè)服務(wù)的一個(gè)重要門類,在上一期的文章中做了簡(jiǎn)單的羅列和介紹。在今天的文章中,水鏡先生結(jié)合自己的專業(yè)知識(shí),為大家扒一扒真實(shí)的大數(shù)據(jù)行業(yè)。
...

- 從模型選擇到超參調(diào)整,六步教你如何為機(jī)器學(xué)習(xí)項(xiàng)目選擇算法
2017-04-01
-
從模型選擇到超參調(diào)整,六步教你如何為機(jī)器學(xué)習(xí)項(xiàng)目選擇算法
隨著機(jī)器學(xué)習(xí)的進(jìn)一步火熱,越來(lái)越多的算法已經(jīng)可以用在許多任務(wù)的執(zhí)行上,并且表現(xiàn)出色。
但是動(dòng)手之前到底哪個(gè)算法可以解決我們特定的實(shí)際問(wèn) ...

- 學(xué)習(xí)SAS的正確姿勢(shì)是怎樣的?
2022-01-20
-
SAS作為世界知名大數(shù)據(jù)分析產(chǎn)品,只要是大機(jī)構(gòu), 不論是、制藥、金融、保險(xiǎn)、市場(chǎng)部門、NGO還是政府部門,SAS的覆蓋率,都是完全不可被替代的。甚至部分IT公司在統(tǒng)計(jì)軟件上,也選擇的是SAS。同時(shí)SAS系統(tǒng)具有使用靈 ...

- 簡(jiǎn)單易學(xué)的機(jī)器學(xué)習(xí)算法—嶺回歸(Ridge Regression)
2017-03-24
-
簡(jiǎn)單易學(xué)的機(jī)器學(xué)習(xí)算法—嶺回歸(Ridge Regression)
一、一般線性回歸遇到的問(wèn)題
在處理復(fù)雜的數(shù)據(jù)的回歸問(wèn)題時(shí),普通的線性回歸會(huì)遇到一些問(wèn)題,主要表現(xiàn)在:
預(yù)測(cè)精度:這里要處理好這樣 ...

- 簡(jiǎn)單易學(xué)的機(jī)器學(xué)習(xí)算法—分類回歸樹(shù)CART
2017-03-22
-
簡(jiǎn)單易學(xué)的機(jī)器學(xué)習(xí)算法—分類回歸樹(shù)CART
分類回歸樹(shù)(Classification and Regression Tree,CART)是一種典型的決策樹(shù)算法,CART算法不僅可以應(yīng)用于分類問(wèn)題,而且可以用于回歸問(wèn)題。
一、樹(shù)回歸的概念
...

- 機(jī)器學(xué)習(xí)-回歸模型-欠擬合和過(guò)擬合
2017-03-20
-
機(jī)器學(xué)習(xí)-回歸模型-欠擬合和過(guò)擬合
1. 什么是欠擬合和過(guò)擬合
先看三張圖片,這三張圖片是線性回歸模型 擬合的函數(shù)和訓(xùn)練集的關(guān)系
第一張圖片擬合的函數(shù)和訓(xùn)練集誤差較大,我們稱這種情況為 欠擬合
...