')
}
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(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
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 ...
- 主成分分析、因子分析、聚類的概覽與比較
- 2018-01-12
-
主成分分析、因子分析、聚類的概覽與比較
主成分分析：利用降維（線性變換）的思想，在損失很少信息的前提下把多個指標(biāo)轉(zhuǎn)化為幾個綜合指標(biāo)（主成分），用綜合指標(biāo)來解釋多變量的方差——協(xié)方差結(jié)構(gòu)，即每個主 ...
- 主成分分析和因子分析十大不同點
- 2018-01-11
-
主成分分析和因子分析十大不同點
主成分分析和因子分析無論從算法上還是應(yīng)用上都有著比較相似之處，本文結(jié)合以往資料以及自己的理解總結(jié)了以下十大不同之處，適合初學(xué)者學(xué)習(xí)之用。
1.原理不同
主成分 ...
- Python數(shù)據(jù)分析常用函數(shù)筆記
- 2018-01-10
-
Python數(shù)據(jù)分析常用函數(shù)筆記
1、生成隨機數(shù)列表
import numpy as np
array = np.random.permutation(20)
結(jié)果：
array([12, 18, 16, 8, 10, 17, 1, 2, 9, 7, 3, 6, 15, 13, 11, 5, 4, 0, 14, 19])
2、合并兩個p ...
- SPSS—描述性統(tǒng)計分析—頻數(shù)分析
- 2018-01-09
-
SPSS—描述性統(tǒng)計分析—頻數(shù)分析
描述性統(tǒng)計量
分類
集中趨勢分析——中心趨勢的數(shù)值度量
反映一組數(shù)據(jù)向某一位置聚集的趨勢，主要的統(tǒng)計量有均數(shù)（mean）、中位數(shù)（median）、眾數(shù)（mode）、總 ...
- 數(shù)據(jù)科學(xué)的基本內(nèi)容
- 2018-01-08
-
數(shù)據(jù)科學(xué)的基本內(nèi)容
什么是數(shù)據(jù)科學(xué)?它和已有的信息科學(xué)、統(tǒng)計學(xué)、機器學(xué)習(xí)等學(xué)科有什么不同?作為一門新興的學(xué)科，數(shù)據(jù)科學(xué)依賴兩個因素：一是數(shù)據(jù)的廣泛性和多樣性;二是數(shù)據(jù)研究的共性?，F(xiàn)代社會的各行各業(yè)都 ...
- 樸素貝葉斯模型:文本分類+垃圾郵件分類
- 2017-12-10
-
樸素貝葉斯模型:文本分類+垃圾郵件分類
學(xué)習(xí)了那么多機器學(xué)習(xí)模型，一切都是為了實踐，動手自己寫寫這些模型的實現(xiàn)對自己很有幫助的，堅持，共勉。本文主要致力于總結(jié)貝葉斯實戰(zhàn)中程序代碼的實現(xiàn)（python）及樸 ...
- 數(shù)據(jù)缺失值的4種處理方法
- 2017-12-06
-
數(shù)據(jù)缺失值的4種處理方法
一、缺失值產(chǎn)生的原因
缺失值的產(chǎn)生的原因多種多樣，主要分為機械原因和人為原因。機械原因是由于機械原因?qū)е碌臄?shù)據(jù)收集或保存的失敗造成的數(shù)據(jù)缺失，比如數(shù)據(jù)存儲的失敗，存儲器 ...
- 我們進(jìn)行了1億次婚戀配對實驗，然后……
- 2017-12-05
-
我們進(jìn)行了1億次婚戀配對實驗，然后……
“要求別太高，差不多就行了。”
“找個有錢人嫁了吧！”
“感情不能將就，一定要找合適的。”
……
這些說法有沒有道理呢？按照這些“標(biāo)準(zhǔn)”，是不是有更 ...
- 數(shù)據(jù)挖掘中針對缺失值的處理
- 2017-12-01
-
數(shù)據(jù)挖掘中針對缺失值的處理
一、缺失值產(chǎn)生的原因
缺失值的產(chǎn)生的原因多種多樣，主要分為機械原因和人為原因。機械原因是由于機械原因?qū)е碌臄?shù)據(jù)收集或保存的失敗造成的數(shù)據(jù)缺失，比如數(shù)據(jù)存儲的失敗，存儲 ...
- 數(shù)據(jù)分析中缺失值的處理方法
- 2017-11-23
-
數(shù)據(jù)分析中缺失值的處理方法
1、缺失值的分類
按照數(shù)據(jù)缺失機制可分為：
(1) 完全隨機缺失(missing completely at random, MCAR)
所缺失的數(shù)據(jù)發(fā)生的概率既與已觀察到的數(shù)據(jù)無關(guān),也 ...
- SPSS混合模型：線性混合模型
- 2017-11-08
-
SPSS混合模型：線性混合模型
一、線性混合模型（分析-混合模型-線性）
1、概念：“線性混合模型”過程擴展了一般線性模型，因此允許數(shù)據(jù)表現(xiàn)出相關(guān)的和不恒定的變異性。因此，線性混合模型提供了不僅能夠就 ...
- SPSS最優(yōu)尺度:分類主成分分析
- 2017-11-05
-
SPSS最優(yōu)尺度:分類主成分分析
一、分類主成分分析（分析-降維-最優(yōu)尺度）
1、概念：此過程在減少數(shù)據(jù)維數(shù)的同時量化分類變量。分類主成份分析也表示為縮寫詞CATPCA（代表categorical principal co ...
- R語言中的方差分析
- 2017-11-01
-
R語言中的方差分析
方差分析：當(dāng)包含的因子是解釋變量時，我們關(guān)注的重點通常會從預(yù)測轉(zhuǎn)向組別差異的分析，這種分析法稱作方差分析（ANOVA）。
install.packages(c(\'multcomp\', \'gplots\', \'car\', \'HH ...
- 單因素下的方差分析
- 2017-10-31
-
單因素下的方差分析
在方差分析中，有三個基本的假設(shè)：
(1) 正態(tài)假設(shè)。對于因素的每個水平，其觀測值都是來自正態(tài)總體的隨機樣本；
(2) 方差齊次假設(shè)。各個總體的方差相同；
(3) 獨立假設(shè)。 ...
- SPSS—均 值 檢 驗 （Compare Means）—配對樣本T檢驗
- 2017-10-30
-
SPSS—均 值 檢 驗 （Compare Means）—配對樣本T檢驗
用來檢驗來自兩配對總體的均值是否在統(tǒng)計上有顯著差異
配對樣本均數(shù)t檢驗簡稱配對t檢驗(paired t test),又稱非獨立兩樣本均數(shù)t檢驗,適用于配對設(shè)計計量資 ...
- SPSS—描述性統(tǒng)計分析—比率分析
- 2017-10-30
-
SPSS—描述性統(tǒng)計分析—探索性分析
菜單
除了可以計算基本的統(tǒng)計量之外，也可以給出一些簡單的檢驗結(jié)果和圖形，有助于用戶進(jìn)一步的分析數(shù)據(jù)。使得用戶能夠從大量的分析結(jié)果之中挖掘到所需要的統(tǒng)計信息。
...
- SPSS干貨分享：區(qū)分T檢驗與F檢驗
- 2017-10-28
-
SPSS干貨分享：區(qū)分T檢驗與F檢驗
1. T 檢驗和 F 檢驗的由來
一般而言，為了確定從樣本 (sample) 統(tǒng)計結(jié)果推論至總體時所犯錯的概率，我們會利用統(tǒng)計學(xué)家所開發(fā)的一些統(tǒng)計方法，進(jìn)行統(tǒng)計檢定。
通過把所得 ...
- 假設(shè)檢驗中的P值 與顯著性水平的聯(lián)系
- 2017-10-27
-
假設(shè)檢驗中的P值 與顯著性水平的聯(lián)系
假設(shè)檢驗是推斷統(tǒng)計中的一項重要內(nèi)容。用SAS、SPSS等專業(yè)統(tǒng)計軟件進(jìn)行假設(shè)檢驗，在假設(shè)檢驗中常見到P值( P-Value，Probability，Pr)，P值是進(jìn)行檢驗決策的另 ...
- 置信區(qū)間、顯著性檢驗和統(tǒng)計學(xué)意義
- 2017-10-27
-
置信區(qū)間、顯著性檢驗和統(tǒng)計學(xué)意義
置信區(qū)間
估計參數(shù)真值所在的范圍通常以區(qū)間的形式給出，同時還給出此區(qū)間包含參數(shù)真值的可信程度，這種形式的估計稱為區(qū)間估計，這樣的區(qū)間稱為置信區(qū)間。
對于任意參 ...
全國校區(qū)
京公網(wǎng)安備 11010802034615號
經(jīng)營許可證編號：京B2-20210330