')
}
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語言中的概率論和數(shù)理統(tǒng)計(jì)
2018-03-13
-
R語言中的概率論和數(shù)理統(tǒng)計(jì)
一、隨機(jī)變量
(一)、什么是隨機(jī)變量?
1.定義
隨機(jī)變量(random variable)表示隨機(jī)現(xiàn)象各種結(jié)果的實(shí)值函數(shù)。隨機(jī)變量是定義在樣本空間S上,取值在實(shí)數(shù)域上的函數(shù), ...

- R語言中的幾種圖
2018-03-12
-
R語言中的幾種圖
R語言中,常見的圖有直方圖、箱線圖、條形圖、點(diǎn)陣圖、餅圖、QQ圖。
1.直方圖
直方圖是直觀了解數(shù)據(jù)分布的常用圖形,它將連續(xù)型數(shù)據(jù)分為等間距的組,并以矩形的高低來顯示相應(yīng)組中所 ...

- R語言之隨機(jī)數(shù)與抽樣模擬篇
2018-03-12
-
R語言之隨機(jī)數(shù)與抽樣模擬篇
R語言生成均勻分布隨機(jī)數(shù)的函數(shù)是runif()
句法是:runif(n,min=0,max=1) n表示生成的隨機(jī)數(shù)數(shù)量,min表示均勻分布的下限,max表示均勻分布的上限;若省略參數(shù)mi ...

- R語言自定義函數(shù),利用QQ圖和shaprio.test檢驗(yàn)正態(tài)分布
2018-03-11
-
R語言自定義函數(shù),利用QQ圖和shaprio.test檢驗(yàn)正態(tài)分布
代碼
#自定義函數(shù)
norm.test<-function(data,alpha=0.05,pic=TRUE){ #alpha為顯著性水平,這里的默認(rèn)值為0.05
if(pic==TRUE) ...

- (筆記)spss的描述統(tǒng)計(jì)和比較均值
2018-03-05
-
(筆記)spss的描述統(tǒng)計(jì)和比較均值
描述統(tǒng)計(jì):
分析-描述統(tǒng)計(jì),包括:頻率,描述,搜索,交叉表,比率,P-P圖,Q-Q圖
1,頻率:分析多個樣本中取值的出現(xiàn)頻次,求得這些頻次的 ...

- Python 爬取淘寶商品數(shù)據(jù)挖掘分析實(shí)戰(zhàn)
2018-03-03
-
Python 爬取淘寶商品數(shù)據(jù)挖掘分析實(shí)戰(zhàn)
項(xiàng)目內(nèi)容
本案例選擇>> 商品類目:沙發(fā);
數(shù)量:共100頁 4400個商品;
篩選條件:天貓、銷量從高到低、價格500元以上。
項(xiàng)目目的
1. 對商 ...

- SPSS之偏態(tài)分布的激素水平影響因素分析
2018-03-03
-
SPSS之偏態(tài)分布的激素水平影響因素分析
概況:某種激素水平對胃癌的發(fā)生有一定的作用,把病人分為實(shí)驗(yàn)組和對照組。
性別:男、女。
年齡:青年(<45歲)、中年(45歲~59歲)、 ...

- 使用Python進(jìn)行描述性統(tǒng)計(jì)
2018-02-26
-
使用Python進(jìn)行描述性統(tǒng)計(jì)
1 描述性統(tǒng)計(jì)是什么?
描述性統(tǒng)計(jì)是借助圖表或者總結(jié)性的數(shù)值來描述數(shù)據(jù)的統(tǒng)計(jì)手段。數(shù)據(jù)挖掘工作的數(shù)據(jù)分析階段,我們可借助描述性統(tǒng)計(jì)來描繪或總結(jié)數(shù)據(jù)的基本情況,一來可以梳 ...

- 機(jī)器學(xué)習(xí)中防止過擬合方法
2018-02-25
-
機(jī)器學(xué)習(xí)中防止過擬合方法
過擬合
在進(jìn)行數(shù)據(jù)挖掘或者機(jī)器學(xué)習(xí)模型建立的時候,因?yàn)樵诮y(tǒng)計(jì)學(xué)習(xí)中,假設(shè)數(shù)據(jù)滿足獨(dú)立同分布,即當(dāng)前已產(chǎn)生的數(shù)據(jù)可以對未來的數(shù)據(jù)進(jìn)行推測與模擬,因此都是使用歷史數(shù)據(jù)建立模 ...

- 用python-pandas作圖矩陣
2018-02-24
-
用python-pandas作圖矩陣
我們在采用機(jī)器學(xué)習(xí)算法對數(shù)據(jù)進(jìn)行分析時,首先要對數(shù)據(jù)進(jìn)行了解,而了解數(shù)據(jù)最快速的方式就是可視化。但是作者可視化采用的方法對很多data都通用,且采用的是各種圖形的圖矩陣,如直 ...

- 數(shù)據(jù)探索和數(shù)據(jù)準(zhǔn)備的步驟
2018-02-22
-
數(shù)據(jù)探索和數(shù)據(jù)準(zhǔn)備的步驟
如我們所知,數(shù)據(jù)分析工作的70%的時間都用作于數(shù)據(jù)清洗,數(shù)據(jù)探索和數(shù)據(jù)準(zhǔn)備當(dāng)中,這可以說是數(shù)據(jù)分析的核心所在。數(shù)據(jù)清洗主要是工具層面上的,這里先不討論。我們這里討論數(shù)據(jù)探索 ...

- 快學(xué)數(shù)據(jù)挖掘—數(shù)據(jù)探索—貢獻(xiàn)度分析
2018-02-22
-
快學(xué)數(shù)據(jù)挖掘—數(shù)據(jù)探索—貢獻(xiàn)度分析
貢獻(xiàn)度分析又稱帕累托分析,它的原理是帕累托法則又稱20/80定律。同樣的投入放在不同的地方會產(chǎn)生不同的效益。例如,對一個公司來講,80%的利潤常常來自于20%最暢銷的產(chǎn)品 ...

- 數(shù)據(jù)挖掘概念綜述
2018-01-29
-
數(shù)據(jù)挖掘概念綜述
數(shù)據(jù)挖掘又稱從數(shù)據(jù)庫中發(fā)現(xiàn)知識(KDD)、數(shù)據(jù)分析、數(shù)據(jù)融合(Data
Fusion)以及決策支持。KDD一詞首次出現(xiàn)在1989年8月舉行的第11屆國際聯(lián)合人工智能學(xué)術(shù)會議上。隨后在1991年、1993年和199 ...

- 一名合格的數(shù)據(jù)分析師該怎樣解釋“買不起房”這件事
2018-01-29
-
一名合格的數(shù)據(jù)分析師該怎樣解釋“買不起房”這件事
北京很大,大到容得下兩千多萬人的吃喝拉撒睡。北京很小,小到裝不下一個外地人的北漂夢。
我是一名北漂,來北京7年了,7年時間里不斷地租房搬家,心里 ...

- 谷歌教你學(xué) AI-第五講模型可視化
2018-01-26
-
谷歌教你學(xué) AI-第五講模型可視化
Google Cloud發(fā)布了名為\"AI Adventures\"的系列視頻,用簡單易懂的語言讓初學(xué)者了解機(jī)器學(xué)習(xí)的方方面面。今天讓我們來看到第五講模型可視化。
觀看更多國外公開課,點(diǎn)擊\" ...

- R語言使用隨機(jī)森林方法對數(shù)據(jù)分類
2018-01-19
-
R語言使用隨機(jī)森林方法對數(shù)據(jù)分類
說明
隨機(jī)森林是另一類可用的集成學(xué)習(xí)方法,該算法在訓(xùn)練過程中將產(chǎn)生多棵決策樹,每棵決策樹會根據(jù)輸入數(shù)據(jù)集產(chǎn)生相應(yīng)的預(yù)測輸出,算法采用投票機(jī)制選擇類別眾數(shù)做為預(yù)測 ...

- 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(jī)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 ...

- 基于R統(tǒng)計(jì)分析—探索性數(shù)據(jù)分析
2018-01-10
-
基于R統(tǒng)計(jì)分析—探索性數(shù)據(jù)分析
數(shù)據(jù)的統(tǒng)計(jì)分析分為描述性統(tǒng)計(jì)分析和統(tǒng)計(jì)推斷兩部分, 前者又稱為探索性統(tǒng)計(jì)分析, 它是通過繪制統(tǒng)計(jì)圖形、編制統(tǒng)計(jì)表格、計(jì)算統(tǒng)計(jì)量等方法來探索數(shù)據(jù)的主要分布特征, 揭示 ...

- SPSS—描述性統(tǒng)計(jì)分析—頻數(shù)分析
2018-01-09
-
SPSS—描述性統(tǒng)計(jì)分析—頻數(shù)分析
描述性統(tǒng)計(jì)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(jì)量有均數(shù)(mean)、中位數(shù)(median)、眾數(shù)(mode)、總 ...

- R語言用于數(shù)據(jù)分析的基本統(tǒng)計(jì)函數(shù)與基礎(chǔ)可視化
2017-12-17
-
R語言用于數(shù)據(jù)分析的基本統(tǒng)計(jì)函數(shù)與基礎(chǔ)可視化
1.函數(shù)的基本用法
#將數(shù)據(jù)導(dǎo)入R中
> data(iris)
#平均數(shù)
> mean(iris$Sepal.Length)
[1] 5.843333
#標(biāo)準(zhǔn)差
> sd(iris$Sepal.Length)
[1] 0.8 ...