R中predict()函数预测时data和newdata参数的差异是什么

底层运行逻辑差异 #

你遇到的差异本质是rpart包的预测方法参数匹配规则导致的：

• predict.rpart()（rpart提供的predict泛型实现）的参数列表里不存在data这个入参，你传入的data=Boston_test会被判定为无效的多余参数，直接被函数忽略。此时函数没有收到指定的新数据集，就会走默认逻辑：返回模型训练集（也就是你拟合树时用的Boston_train）的预测结果。
• 传入newdata=Boston_test时，是匹配到了predict.rpart()的正式参数，函数会基于训练好的决策树，对传入的Boston_test样本逐一计算预测值，返回的才是测试集对应的预测结果。

为什么没有报错且RMSE结果异常 #

你示例中刚好把数据集拆成了等长的训练集和测试集（Boston共506条数据，各取253条），所以训练集预测结果的长度和测试集标签长度完全一致，R计算RMSE时不会触发长度不匹配的警告，只会默默计算，最终得到错误的RMSE结果。
如果你的训练集和测试集长度不一样，传入data=的写法就会立刻出现向量长度不匹配的警告，更容易定位问题。

验证方法 #

你可以运行以下代码确认逻辑：

# 验证data参数被忽略，返回的就是训练集预测结果
identical(tree.pred, predict(Boston_tree))
# 查看两个预测结果的对应数据集来源
length(tree.pred) == nrow(Boston_train)
length(tree.pred2) == nrow(Boston_test)

运行后可以看到第一个判断返回TRUE，直接证明data参数没有生效。

内容的提问来源于stack exchange，提问作者Ghassany