')
}
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(yàn)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(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 >

- 新課推薦丨業(yè)務(wù)數(shù)據(jù)分析師-R專題
2022-01-20
-
1.商業(yè)數(shù)據(jù)分析價(jià)值與前沿知識
3.數(shù)據(jù)分析工具介紹
5.R、RStudio安裝及介紹
7.數(shù)據(jù)庫知識介紹
9.使用SQL進(jìn)行匯總
1.統(tǒng)計(jì)數(shù)據(jù)類型介紹
3.正態(tài)分布與其他常見分 ...
- 四種中介效應(yīng)分析_spss中介效應(yīng)結(jié)果分析
2017-01-06
-
四種中介效應(yīng)分析_spss中介效應(yīng)結(jié)果分析
1.中介效應(yīng)分析概述
中介效應(yīng)分析廣泛用于社會科學(xué)研究(Wood, Goodman, Beckmann, & Cook, 2008),如心理學(xué)(MacKinnon, Fairchild, &Fritz, 2007; Rucker, Preache ...

- spss教程:線性回歸分析_spss線性回歸分析案例
2016-12-22
-
spss教程:線性回歸分析_spss線性回歸分析案例
回歸分析是一種應(yīng)用很廣的數(shù)量分析方法,用于分析事物間的統(tǒng)計(jì)關(guān)系,側(cè)重?cái)?shù)量關(guān)系變化?;貧w分析在數(shù)據(jù)分析中占有比較重要的位置。
一元線性回歸模型:指只有 ...

- 分類算法之樸素貝葉斯分類(Naive Bayesian classification)
2016-12-21
-
分類算法之樸素貝葉斯分類(Naive Bayesian classification)
0、寫在前面的話
我個人一直很喜歡算法一類的東西,在我看來算法是人類智慧的精華,其中蘊(yùn)含著無與倫比的美感。而每次將學(xué)過的算法應(yīng)用到實(shí)際中 ...

- 如果方差不齊,能否用SPSS做單因素方差分析
2016-12-17
-
如果方差不齊,能否用SPSS做單因素方差分析
one-way ANOVA方差分析項(xiàng)的post Hoc test分別有二選項(xiàng): 1.假設(shè)方差齊時(shí)有一系列的分析方法可選。2.假設(shè)方差不齊時(shí)又有一系列的分析方法可選。
再者,為保證統(tǒng)計(jì)準(zhǔn) ...

- 樣本方差的抽樣分布 χ2(n) 卡方分布_樣本方差 卡方分布
2016-12-14
-
樣本方差的抽樣分布 χ2(n) 卡方分布_樣本方差 卡方分布
樣本方差的抽樣分布 χ2(n) 卡方分布
t分布、卡方分布、f分布均要求總體服從正態(tài)分布。
若n個相互獨(dú)立的隨機(jī)變量ξ1,ξ2,… ...

- CDA數(shù)據(jù)分析師培訓(xùn)-LEVEL I,年前最后一波,歡迎參加!
2022-01-20
-
【課程介紹】
CDA LEVEL I業(yè)務(wù)數(shù)據(jù)分析師針對以業(yè)務(wù)為主導(dǎo),數(shù)據(jù)為輔助的工作人員的培訓(xùn)課程。以分析型市場營銷人 才、分析型財(cái)務(wù)人才這些不滿足用EXCEL作數(shù)據(jù)分析的人員。也同時(shí)針對面向長期存在數(shù)據(jù)分析, ...

- 用R語言求概率分布_r語言 概率分布圖
2016-12-11
-
用R語言求概率分布_r語言 概率分布圖
R語言一個很方便的用處是提供了一套完整的統(tǒng)計(jì)表集合。函數(shù)可以對累積分布函數(shù)P(X≤x),概率密度函數(shù),分位函數(shù)(對給定的q,求滿足P(X≤x) > q的最小x)求值,并根據(jù)分布 ...

- T檢驗(yàn)、F檢驗(yàn)和統(tǒng)計(jì)學(xué)意義(P值或sig值)-t檢驗(yàn)和f檢驗(yàn)
2016-12-10
-
T檢驗(yàn)、F檢驗(yàn)和統(tǒng)計(jì)學(xué)意義(P值或sig值)-t檢驗(yàn)和f檢驗(yàn)
1,T檢驗(yàn)和F檢驗(yàn)的由來
一般而言,為了確定從樣本(sample)統(tǒng)計(jì)結(jié)果推論至總體時(shí)所犯錯的概率,我們會利用統(tǒng)計(jì)學(xué)家所開發(fā)的一些統(tǒng)計(jì)方法,進(jìn)行統(tǒng)計(jì)檢定。 ...

- 數(shù)據(jù)分析技術(shù):相關(guān)關(guān)系分析;說“你好我也好”,這不足夠
2016-11-28
-
數(shù)據(jù)分析技術(shù):相關(guān)關(guān)系分析;說“你好我也好”,這不足夠
基礎(chǔ)準(zhǔn)備
數(shù)據(jù)的相關(guān)性分析是生活中運(yùn)用十分廣泛的一種數(shù)據(jù)分析方法。例如,在某個婦科產(chǎn)品的廣告里,用“你好我也好”來表達(dá)用了產(chǎn)品就能健康的相 ...

- 如何和數(shù)據(jù)分析師打交道
2016-11-21
-
如何和數(shù)據(jù)分析師打交道
如果你是一名要和組織內(nèi)的分析師打交道的管理者,要做出更多數(shù)據(jù)驅(qū)動的商業(yè)決策,如何提出好問題應(yīng)該是你要優(yōu)先考慮的事情。很多管理者對提問感到恐懼,生怕在跟數(shù)據(jù)相關(guān)的問題上露怯 ...

- 圖解spss探索分析實(shí)例
2016-10-31
-
圖解spss探索分析實(shí)例
探索分析是在對數(shù)據(jù)的基本特征統(tǒng)計(jì)量有初步了解的基礎(chǔ)上,對數(shù)據(jù)進(jìn)行的更為深入詳細(xì)的描述性觀察分析。它在一般描述性統(tǒng)計(jì)指標(biāo)的基礎(chǔ)上,增加了有關(guān)數(shù)據(jù)其他特征的文字與圖形描述,顯得 ...
- SPSS Syntax中的常用函數(shù)
2016-10-30
-
SPSS Syntax中的常用函數(shù)
SPSS函數(shù)是一個常用程序(rountine),并且利用一個或多個自變量(參數(shù))來執(zhí)行。每個SPSS函數(shù)均有一個關(guān)鍵名稱(keywordname),且絕不能寫錯。通常,函數(shù)的格式為:函數(shù)名稱(自變量 ...

- R語言的常用函數(shù)速查
2016-10-25
-
R語言的常用函數(shù)速查
基本
一、數(shù)據(jù)管理
vector:向量 numeric:數(shù)值型向量 logical:邏輯型向量character;字符型向量 list:列表 data.frame:數(shù)據(jù)框c:連接為向量或列表 length:求長度 subset:求子 ...

- 數(shù)據(jù)分析中常見問題的解決方案及心得體會
2016-10-18
-
數(shù)據(jù)分析中常見問題的解決方案及心得體會
在數(shù)據(jù)分析實(shí)踐中,你遇到過這樣的問題嗎?你們的標(biāo)準(zhǔn)誤差算對了嗎?回測過程中的過度擬合問題怎么解決?聚類分析時(shí)的極端值又該怎么處理呢?快來看今天的文章吧,馬上 ...

- 數(shù)據(jù)分析師、數(shù)據(jù)科學(xué)家常見的77個面試問題
2016-10-13
-
數(shù)據(jù)分析師、數(shù)據(jù)科學(xué)家常見的77個面試問題
隨著大數(shù)據(jù)概念的火熱,數(shù)據(jù)科學(xué)家這一職位應(yīng)時(shí)而出,那么成為數(shù)據(jù)科學(xué)家要滿足什么條件?或許我們可以從國外的數(shù)據(jù)科學(xué)家面試問題中得到一些參考,下面是77個關(guān)于數(shù) ...

- 常見數(shù)據(jù)分析方法匯總
2016-10-10
-
常見數(shù)據(jù)分析方法匯總
對于很多數(shù)據(jù)分析小白來說,剛開始學(xué)習(xí)數(shù)據(jù)分析師時(shí),對很多關(guān)于數(shù)據(jù)分析的方法記得不是很全面,下面是我這幾年對數(shù)據(jù)分析工作進(jìn)行運(yùn)用比較常見數(shù)據(jù)分析方法匯總。希望會你們有所幫助。
...

- 機(jī)器學(xué)習(xí)、數(shù)據(jù)挖掘、人工智能、統(tǒng)計(jì)模型這么多概念有何差異
2016-10-08
-
機(jī)器學(xué)習(xí)、數(shù)據(jù)挖掘、人工智能、統(tǒng)計(jì)模型這么多概念有何差異
在各種各樣的數(shù)據(jù)科學(xué)論壇上這樣一個問題經(jīng)常被問到——機(jī)器學(xué)習(xí)和統(tǒng)計(jì)模型的差別是什么?這確實(shí)是一個難以回答的問題??紤]到機(jī)器學(xué)習(xí)和統(tǒng)計(jì)模型解 ...

- 數(shù)據(jù)科學(xué)家面試的常問77個問題
2016-10-05
-
數(shù)據(jù)科學(xué)家面試的常問77個問題
下面是77個關(guān)于數(shù)據(jù)分析或者數(shù)據(jù)科學(xué)家招聘的時(shí)候會常會的幾個問題,供各位同行參考。
1、你處理過的最大的數(shù)據(jù)量?你是如何處理他們的?處理的結(jié)果。
2、告訴我二個分析或 ...

- 多元線性回歸實(shí)戰(zhàn)筆記
2016-10-01
-
多元線性回歸實(shí)戰(zhàn)筆記
R語言中的線性回歸函數(shù)比較簡單,就是lm(),比較復(fù)雜的是對線性模型的診斷和調(diào)整。這里結(jié)合Statistical Learning和杜克大學(xué)的Data Analysis and Statistical Inference的章節(jié)以及《R語言 ...