本文介绍了一般贝叶斯框架通过稀疏来解决回归和经典任务中利用线性模型中参数。虽然这框架完全概括说明了，我们对一个特定专业的做法，这个特定专业就是我们指的“相关向量机（ RVM ）” 一个模型以相同的函数模型功能流行和最先进的“支持向量机”（ SVM） 。我们论证了利用概率贝叶斯学习的构造，我们可以得出准确的预测模式，这个模型相比SVM大幅减少了使用基底函数，同时提供了一些其他优点。这些优点包括在效益指标的概率预测，自动估算“nuisance”参数，并利用该设施任意基函数（如：非`Mercer 的内核）
