¿Interpretación bayesiana, MDL o ML de validación cruzada?

¿Hay alguna interpretación Bayesiana, ML o MDL conocida de validación cruzada? ¿Puedo interpretar la validación cruzada como la actualización correcta en una versión previa específicamente diseñada?

La validación cruzada está dirigida a una estimación imparcial del riesgo (también conocido como Error de prueba o Error de predicción). En el caso de que su función de pérdida sea menos la probabilidad de registro (generativa), la validación cruzada devolverá la probabilidad de registro esperada de su modelo. Lo mismo ocurre si su función de pérdida tiene una motivación bayesiana.

MDL también tiene como objetivo la estimación imparcial del riesgo. Por lo tanto, es un enfoque analítico de lo que hace CV computacionalmente.

Consulte la Sección 7.2 en Elementos de aprendizaje estadístico .