Tipping（RVM的作者）说RVM是一种用于回归和分类的贝叶斯稀疏核算法，和SVM很像，但是避免了SVM的诸多缺点。
例如，SVM无法计算样本输出的后验概率分布，SVM不太适用于多分类问题，SVM的超参数需要通过交叉验证得到，这就非常耗费时间，而且SVM的核函数必须是正定的。
而RVM却避免了这些缺点，这就意味着RVM可以计算输出的概率分布、很自然的适用于多分类问题，超参数不需要通过交叉验证得到，而且，核函数可以任意指定，不是必须要正定的。最后，RVM得到的解要比更SVM稀疏的解
内容全部来源于网络收集，如有侵权，请联系网站删除：QQ：24596024