Kros-validace v lineárním regresním modelu

Abstract

The bachelor's thesis focuses on cross-validation in the linear regression model. It examines how the resulting cross-validation error should be interpreted when using the ordinary least squares (OLS) method. Furthermore, we introduce nested cross-validation, which serves to construct a confidence interval. Finally, using the R programming lan- guage, we conduct a simulation that illustrates the computation of the average cross- validation error across 100 iterations.

Bakalářská práce se zabývá kros-validací v lineárním regresním modelu. Zaměříme se na interpretaci výsledné kros-validační chyby vzniklé při použití metody nejmenších čtverců (OLS). Dále zavedeme vnořenou kros-validaci, která slouží k sestavení intervalu spolehlivosti. Na závěr pomocí programu R provedeme simulaci, v níž ilustrujeme výpočet průměrné kros-validační chyby napříč 100 iteracemi.