استعرضنا في هذا البحث بعض طرق الاختيار المتغيرة في نموذج الانحدار الخطي. تعد المنهجيات التقليدية مثل تقنية المربعات الصغرى العادية (OLS) واحدة من أكثر الطرق شيوعًا في تقدير المعلمات في الانحدار الخطي. لكن تقديرات OLS تعمل بشكل سيئ عندما تعاني مجموعة البيانات من القيم المتطرفة أو عندما ينتهك افتراض الحالة الطبيعية كما هو الحال في حالة الأخطاء ذات الذيل الثقيل. لمعالجة هذه المشكلة ، تم اقتراح طرق انحدار منظمة قوية مثل Huber Lasso (Rosset and Zhu ، 2007) والانحدار الكمي (Koenker and Bassett ، 1978]. تركز هذه الورقة على مقارنة أداء الطرق السبعة ، وتقديرات الانحدار الكمي ، و يقدر Huber Lasso ، وتقديرات Huber Lasso التكيفية ، و LAD Lasso التكيفي ، وتقديرات Gammadivergence ، وتقديرات الحد الأقصى من احتمال Tangent Lasso (MTE) وتقديرات خوارزمية النسب شبه المنسقة لنيوتن (SNCD) Huber.