doloris 0.3.0

Detection Of Learning Obstacles via Risk-aware Interaction Signals

Doloris

中山大学 2025 年《模式识别》课程大作业项目

组员：许睿林、傅小桐

Doloris（Detection Of Learning Obstacles via Risk-aware Interaction Signals）是一款用于基于交互信号分析学习障碍的检测系统。它支持用户友好的命令行界面、可视化面板以及灵活的机器学习模型配置，适用于教育行为数据分析与预测任务。

🔧 安装方式

用户安装（推荐）

使用 pip 一键安装：

pip install doloris

开发者模式安装

若你正在开发或调试本项目，建议使用源码安装：

pip install .

安装完成后可通过下列命令验证版本：

doloris version

🚀 快速开始

启动可视化面板

运行以下命令以启动 Doloris 的交互式面板（默认缓存路径为 .doloris/）：

doloris panel --cache-path <缓存目录路径>

可选参数：

• --cache-path：指定缓存数据的目录路径（默认 .doloris/）
• --share：是否开启公网访问链接（默认 False）

运行模型算法

Doloris 提供命令行方式运行学习障碍检测算法，算法运行可视化结果保存在缓存路径下的 algorithm_output 文件夹：

doloris algorithm --cache-path <缓存目录路径> \
                  --label-type <binary|multiclass> \
                  --feature-cols <特征列1,特征列2,...> \
                  --model-name <模型名称>

可用参数说明：

• --cache-path：指定缓存数据的目录路径（默认 .doloris/）

• --label-type：指定标签类型（默认：binary），可选值：binary, multiclass

• --feature-cols：用逗号分隔的特征列名（默认为预设特征）

• --model-name：选择的模型名称，支持如下几种：

  • logistic_regression
  • random_forest
  • knn
  • svm
  • sgd
  • mlp

示例命令：

doloris algorithm --label-type binary --model-name random_forest

🧠 默认特征说明

默认使用以下交互特征进行建模：

• age_band
• highest_education
• imd_band
• num_of_prev_attempts
• studied_credits
• total_n_days
• avg_total_sum_clicks
• n_days_oucontent
• avg_sum_clicks_quiz
• avg_sum_clicks_forumng
• avg_sum_clicks_homepage

你也可以通过 --feature-cols 参数自定义特征列表。