1.SVM 基于结构风险最小化原则构建学习机，RVM基于贝叶斯框架构建学习机
2.大部分情况下，RVM所使用向量只是SVM的10%左右
3.RVM测试时间短于SVM 7-8倍，但训练时间长7-8倍
4.对于分类而言，部分文章结论为RVM分类准确度比SVM略低2%左右，而有的论文RVM不但比SVM更为稀疏，而且获得更高的分类准确度。获得分类准确度较低的论文将其原因归结为RVM更大的稀疏性。
5.RVM对于训练样本和特征较少的分类，更具有鲁棒性。
6.对于多分类情况，one-against-one, one-against-all法则较为常用
7.对于回归问题：RVM多用在跟踪、预测上，其结果与上面情况差不多。
8.对于核函数的选择，RBF较为常用，但在很多情况下不是最好的。
9.RVM在解决了SVM部分缺点的同时，也引入新的缺点。其训练时间随着训练样本的增多而迅速增加。10.还有一点不同，RVM的非零权重并没有分布在决策边界附近，而是更反映了采样的原型