交叉验证的贝叶斯，MDL或ML解释？

是否存在任何有关交叉验证的贝叶斯，ML或MDL解释？我可以将交叉验证解释为对特制的先验产品执行正确的更新吗？

交叉验证旨在对风险（即测试错误或预测错误）进行无偏估计。在损失函数为（生成）对数似然率的情况下，交叉验证将返回模型的预期对数似然率。如果损失函数具有贝叶斯动机，则同样适用。

MDL还旨在对风险进行无偏估计。因此，它是CV在计算上所做的一种分析方法。

参见统计学习要素中的 7.2节。