R语言tree包predict函数subset参数作用及使用疑问

为什么两段代码结果不同？ #

tree包的predict.tree()函数里的subset参数不是用来筛选newdata的行的，它的作用是指定使用树模型中的哪些节点对应的预测规则（比如针对剪枝后的树节点），和传入的newdata数据集的行筛选完全无关。

• 第一段代码直接传入newdata = Credit[-train,]，相当于只给模型喂测试集的200行数据，自然返回200个预测结果。
• 第二段代码传入newdata = Credit（全量400行数据），同时加了subset=-train，但这个参数不会对newdata做行筛选，模型依然会对全量400行做预测，所以返回400个结果。你误以为subset能筛选newdata，这是对参数功能的误解。

正确获取测试集预测结果的方式 #

如果想获取测试集的预测结果，有两种靠谱的方式：

1. 像第一段代码那样，直接传入测试集作为newdata：

tree.pred <- predict(object = tree.Credit, newdata = Credit[-train,])
length(tree.pred) # 200

2. 先对全量数据预测，再提取测试集对应的结果：

tree.pred_full <- predict(object = tree.Credit, newdata = Credit)
tree.pred <- tree.pred_full[-train]
length(tree.pred) # 200

tree包的predict函数没有提供通过subset参数筛选newdata的功能，别把它和其他函数（比如lm的predict）的subset用法混淆了。

内容的提问来源于stack exchange，提问作者Antonio Piemontese