如何用R基于贝叶斯后验概率实现班级学生合规排名？

你遇到的是典型的二分图最优匹配（分配问题）：需要在「每个学生对应唯一名次、每个名次对应唯一学生」的约束下，选择概率最合理的排名分配，本质是最大化选中的概率总和。R里可以用lpSolve包的lp.assign()函数直接解决这个问题，以下是具体实现步骤：

1. 核心思路 #

把学生-名次的概率矩阵当作分配问题的收益矩阵，通过线性规划求解总收益（概率）最大的匹配方案，自动处理多名学生最高概率同一名次的冲突。

2. 示例代码（处理矩阵格式数据） #

针对你给出的3名学生的示例：

# 构造示例概率矩阵（行=学生，列=名次）
prob_matrix <- matrix(
  c(0.5, 0.25, 0.25,
    0.4, 0.32, 0.28,
    0.15, 0.35, 0.5),
  nrow = 3, byrow = TRUE,
  dimnames = list(paste0("学生", 1:3), paste0("名次", 1:3))
)

# 加载lpSolve包（需先安装：install.packages("lpSolve")）
library(lpSolve)

# 求解最优分配：最大化总概率
assign_result <- lp.assign(prob_matrix, direction = "max")

# 提取并整理分配结果
assignment <- matrix(assign_result$solution, nrow = nrow(prob_matrix), dimnames = dimnames(prob_matrix))
final_ranking <- data.frame(
  学生 = rownames(prob_matrix),
  分配名次 = apply(assignment, 1, function(x) colnames(assignment)[x == 1]),
  对应概率 = apply(assignment * prob_matrix, 1, sum)
)

print(final_ranking)

运行结果会得到符合你预期的分配：学生1→第1名，学生2→第2名，学生3→第3名，总概率达到最大值。

3. 处理你的长格式数据（按班级分组） #

针对你提供的长格式数据（包含班级、学生ID、各名次概率），结合tidyverse进行分组处理：

# 加载所需包（需先安装：install.packages(c("tidyverse", "lpSolve"))）
library(tidyverse)
library(lpSolve)

# 假设你的原始数据框为student_prob（替换为你的实际数据）
student_prob <- tibble(
  observ = rep(5766320, 6),
  rank = 1:6,
  student_id = rep(7203, 6),
  prob = c(0.25, 0.15, 0.15, 0.16, 0.15, 0.14),
  class = rep("FA2022_ENG_1", 6)
)

# 按班级分组，批量处理每个班级的名次分配
final_class_ranking <- student_prob %>%
  group_by(class) %>%
  group_modify(function(data, class_meta) {
    # 转换为宽格式：行=学生ID，列=名次，值=概率
    prob_wide <- data %>%
      pivot_wider(names_from = rank, values_from = prob, names_prefix = "rank_") %>%
      column_to_rownames("student_id") %>%
      as.matrix()
    
    # 求解最优分配
    assign_result <- lp.assign(prob_wide, direction = "max")
    
    # 整理结果
    assignment_matrix <- matrix(assign_result$solution, nrow = nrow(prob_wide), dimnames = dimnames(prob_wide))
    tibble(
      student_id = as.numeric(rownames(assignment_matrix)),
      assigned_rank = as.integer(str_remove(colnames(assignment_matrix)[apply(assignment_matrix, 1, which.max)], "rank_")),
      assigned_prob = apply(assignment_matrix * prob_wide, 1, sum),
      class = class_meta$class
    )
  }) %>%
  ungroup()

print(final_class_ranking)

4. 说明 #

• lp.assign()是专门处理分配问题的函数，默认最小化成本，这里设置direction="max"来最大化总概率，确保匹配的合理性。
• 该方法会自动处理冲突：当多名学生最高概率对应同一名次时，会选择次优的概率组合，保证总概率最大，同时满足「每个名次仅对应一名学生」的约束。

内容的提问来源于stack exchange，提问作者GBPU