pykt-experiments

基于 pykt-toolkit 框架的知识追踪(Knowledge Tracing)自用实验库。

项目结构

├── pykt-toolkit/          # pykt工具包核心（完全包含）
│   ├── examples/          # 各模型训练配置（wandb格式）
│   ├── configs/           # 配置文件
│   ├── docs/              # 文档
│   └── ...
├── skills/                # 实验技能模块
│   ├── dataset-prep/      # 数据集准备
│   │   ├── scripts/       # 数据预处理脚本
│   │   ├── references/    # 数据格式说明
│   │   └── SKILL.md       # 使用说明
│   ├── kt-experiment/     # 实验管理
│   │   ├── scripts/       # 实验运行脚本
│   │   ├── references/    # 模型说明文档
│   │   └── SKILL.md       # 使用说明
│   ├── kt-hyperopt/       # 超参数优化
│   │   ├── scripts/       # 超参搜索脚本
│   │   ├── configs/       # 搜索配置模板
│   │   ├── references/    # 最佳实践指南
│   │   └── SKILL.md       # 使用说明
│   └── kt-model-dev/      # 自定义模型开发
│       ├── scripts/       # 模型开发脚本
│       ├── templates/     # 模型模板
│       ├── references/    # 开发指南
│       └── SKILL.md       # 使用说明
├── analysis/              # 存放分析脚本和结果
├── data/                  # 存放数据集
├── models/                # 存放训练好的模型
├── experiment_results/    # 存放实验结果
├── requirements.txt       # 项目依赖
└── README.md              # 本文档

Skills 模块说明

1. dataset-prep - 数据集准备模块

• 数据预处理脚本
• 数据格式验证
• 支持的数据集配置

2. kt-experiment - 实验管理模块

• 交叉验证实验
• 实验结果对比
• 日志解析分析

3. kt-hyperopt - 超参数优化模块

• 超参数搜索配置
• WandB sweeps集成
• 最佳参数查找

4. kt-model-dev - 自定义模型开发模块

• 基于pykt框架开发新模型
• 模型模板（Memory/Attention/RNN）
• 模型注册和使用

快速开始

安装依赖

pip install -r requirements.txt

数据准备

1. 将数据集放入 data/ 目录
2. 参考 skills/dataset-prep/ 中的预处理脚本
3. 验证数据格式：python skills/dataset-prep/scripts/validate_dataset.py

运行实验

1. 选择实验配置：pykt-toolkit/examples/seedwandb/
2. 修改配置文件中的数据路径
3. 使用wandb启动训练

超参数优化

1. 修改 skills/kt-hyperopt/configs/ 中的搜索空间
2. 运行搜索：python skills/kt-hyperopt/scripts/run_sweep.py
3. 分析结果：python skills/kt-hyperopt/scripts/analyze_sweep.py

pykt-toolkit 版本

本仓库包含的pykt-toolkit版本信息：

• 来源：pykt-team/pykt-toolkit
• 包含完整的examples、configs、docs

License

继承pykt-toolkit的License。详细请查看 pykt-toolkit/LICENSE