无论模型如何，您始终可以使用非参数引导程序为任何参数构建置信区间，包括预测（实际上是随机变量本身，但报告为预期）。这是一般程序：

1. 让$N$表示训练数据中的观察次数$X$， 和$x_j$表示其预测的特定观察，$\hat{y}_j$，你想要一个CI。
2. 让$K$表示一些重采样迭代次数（必须是$\ge 20$对于具有覆盖范围的 CI$\ge 95\%$)
3. 为了$i$在$K$， 画一个$N$随机样本来自$X$更换。表示这个$X_i^{*}$
4. 训练模型$X_i^{*}$并使用这个模型来形成一个预测$x_j$. 调用这个$\hat{y}^{*}_{ji}$
5. 估计分布参数 $\hat{y}_j$从您的样品中。一个$100 - \alpha$ CI由 $\frac{\alpha}{2}$ 和 $100 - \frac{\alpha}{2}$ 的百分位数 $\hat{y}^{*}_{j}$.