本文介绍了折刀+这是一种构建预测置信区间的新方法。尽管折刀输出以测试点的预测响应为中心的间隔，间隔的宽度由遗漏残差的分位数决定，但折刀+也使用测试点的遗漏预测来解释拟合回归函数的可变性。假设可交换的训练样本，我们证明，对于任何对称处理训练点的算法，无论数据点的分布如何，这种关键的修改都允许严格的覆盖保证。对于最初的折刀，这样的保证是不可能的，我们演示了覆盖率实际上可能会消失的示例。我们的理论和实证分析表明，只要拟合算法遵循某种形式的稳定性，折刀和折刀+区间就可以实现几乎精确的覆盖，并且具有相似的长度。此外，我们将jackknife+扩展到$K$-倍交叉验证，并同样建立了严格的覆盖特性。我们的方法与交叉保角预测由Vovk提出(安。数学。Artif公司。智力。 74（2015年9月28日），我们讨论联系。