技能习得是认知心理学研究的一个关键领域，因为它包含多种心理过程。在实验范式下发现的定律是有争议的，缺乏普遍性。本文旨在从大规模训练日志数据中挖掘技能学习的规律。开发了一种两阶段算法来解决不可观察的认知状态和搜索中的算法爆炸问题。最初采用深度学习模型来确定学习者的认知状态并评估特征的重要性。然后使用符号回归算法将神经网络模型解析为代数方程。实验结果表明，该算法在连续反馈设置下能够准确还原噪声范围内的预设规律。当应用于 Lumosity 训练数据时，该方法在适应度方面优于传统模型和最新模型。该研究揭示了两种新形式的技能获取法，并重申了以前的一些发现。