稀疏贝叶斯学习方法与支持向量机学习方法均是围绕核函数构建预测模型的方法，而相比较于支持向量机方法，稀疏贝叶斯学习方法的最重要的特点在于其学习过程是基于贝叶斯架构的，而不是采用结构风险最小化原则，这就使稀疏贝叶斯学习方法拥有如下独特优势：（1）能够提供概率分布预测结果；（2）无需对支持向量机中平衡经验风险和泛化能力的惩罚因子进行设定；（3）模型稀疏程度与支持向量机相当或更好。