Relevance-Vector-Machine_RVM_RVMmatlab_

相关向量机（Relevance Vector Machine，简称RVM）是Micnacl E.Tipping于2000年提出的一种与SVM（Support Vector Machine）类似的稀疏概率模型，是一种新的监督学习方法。 它的训练是在贝叶斯框架下进行的，在先验参数的结构下基于主动相关决策理论（automatic relevance determination，简称ARD）来移除不相关的点，从而获得稀疏化的模型。在样本数据的迭代学习过程中，大部分参数的后验分布趋于零，与预测值无关，那些非零参数对应的点被称作相关向量（Relevance Vectors），体现了数据中最核心的特征。同支持向量机相比，相关向量机最大的优点就是极大地减少了核函数的计算量，并且也克服了所选核函数必须满足Mercer条件的缺点。