results <- list() for(i in 1:1) { print(paste(i,"fold")) train_index <- unlist(cvlist[-i]) test_index <- cvlist[[i]] m_train = Markers_2[train_index,] m_test = Markers_2[test_index,] Pheno_train = pheno[train_index,] Pheno_test = pheno[test_index,] class(m_test) TS <- as.numeric(Pheno_train) ETA<-list(list(X= m_train ,model='BayesB')) fit_BB=BGLR(y=TS,ETA=ETA,nIter=nIter,burnIn=burnIn,thin=thin,saveAt=saveAt,df0=5,S0=S0,weights=weights,R2=R2) str(fit_BB) pre_eta <- list(list(X= m_test ,model='BayesB')) predictions <- predict( fit_BB, pre_eta ) # predictions[predictions < 0] <- 0.1 obversion <- Pheno_test results[[i]] <- data.frame( test_index,predictions, obversion) }；如该代码所示，predict时候结果是训练集的数量

根据你提供的代码，问题出在predict()函数的调用上。在predict()函数中，你应该使用与训练集相同的ETA对象，而不是使用不同的ETA对象去进行预测。因此，你需要将预测数据的ETA对象设置为与训练数据相同的ETA对象。具体来说，你需要在predict()函数中使用和拟合模型时相同的ETA值。

修改后的代码如下：

results <- list() 
for(i in 1:1) {
  print(paste(i,"fold"))
  train_index <- unlist(cvlist[-i])
  test_index <- cvlist[[i]]
  m_train = Markers_2[train_index,]
  m_test = Markers_2[test_index,]
  Pheno_train = pheno[train_index,]
  Pheno_test = pheno[test_index,]
  TS <- as.numeric(Pheno_train)
  ETA<-list(list(X=  m_train ,model='BayesB'))
  fit_BB=BGLR(y=TS,ETA=ETA,nIter=nIter,burnIn=burnIn,thin=thin,saveAt=saveAt,df0=5,S0=S0,weights=weights,R2=R2)
  str(fit_BB)
  # 使用相同的ETA对象进行预测
  predictions <- predict(fit_BB, list(list(X=m_test, model='BayesB', ETA=ETA)), nIter=nIter, burnIn=burnIn, thin=thin)
  obversion <-  Pheno_test
  results[[i]] <- data.frame(test_index, predictions, obversion)
}

这样修改后，predict()函数将会使用相同的ETA对象去进行预测，而不是使用不同的ETA对象。