1. SVM 基于結構風險最小化原則構建學習機，RVM基于貝葉斯框架構建學習機
2. 與SVM相比，RVM不僅獲得二值輸出，而且獲得概率輸出
3. 在核函數的選擇上，不受梅西定理的限制，可以構建任意的核函數
4. 不需對懲罰因子做出設置。在SVM中懲罰因子是平衡經驗風險和置信區間的一個常數，實驗結果對該數據十分敏感，設置不當會引起過學習等問題。但是在RVM中參數自動賦值
5. 與SVM相比，RVM更稀疏，從而測試時間更短，更適用于在線檢測。眾所周知，SVM的支持向量的個數隨著訓練樣本的增大成線性增長，當訓練樣本很大的時候，顯然是不合適的。雖然RVM的相關向量也隨著訓練樣本的增加而增加，但是增長速度相對SVM卻慢了很多。
6. 學習機有一個很重要的能力是泛化能力，也就是對于沒有訓練過的樣本的測試能力。文章表明，RVM的泛化能力好于SVM。
7. 無論是在回歸問題上還是分類問題上，RVM的準確率近似于SVM。
8. 但是RVM訓練時間長

向左轉|向右轉