本申请提供一种基于纵向联邦学习的树模型的预测方法及装置，在预测方法中，每一参与方分别判断待预测样本是否落在己方的叶子节点上，并对每一叶子节点标记状态，得到己方所有叶子节点的标记状态集合，之后多个参与方的树模型仅交互一次即可通过求交获取待预测样本实际落在的叶子节点，将待预测样本实际落在的叶子节点的预测值作为待预测样本的预测值。因此，本申请提供的方法较于传统的树模型中每一个节点都进行交互的方法，减少了交互次数，可实现在不影响精度的情况下提高预测样本的效率。