변수 선택은 통계학과 통계적 학습에서 중요한 주제 중 하나이다. 변수 선택은 적합된 모형으로부터의 예측값의 변동을 줄여줄 수 있을 뿐만 아니라 해석 가능한 모형을 얻을 수 있게 해준다. 특히, LASSO와 같은 정규화 방법은 좋은 이론적 성질과 성능으로 인해 변수 선택에 널리 사용되고 있고 지도 학습 뿐만 아니라 준지도 및 비지도 학습 문제에 대한 변수 선택에도 사용된다. 하지만, 이러한 정규화 방법의 한 가지 제한점은 많은 경우 선형성과 같이 적합하는 모형의 특정한 형태에 대한 가정을 필요로 한다는 것이다. 본 논문에서는 지도 및 준지도 학습, 특히, 다중 범주에 대한 분류 문제 대해 완화된 모형의 가정 하에서 변수 선택 방법을 제안한다. 또한, 변수 선택의 응용으로 카운트 데이터에서 흔하게 접할 수 있는 영과잉 및 과산포를 처리하는 그래피컬 모형을 제시하고 그래프 구조를 추정하는 방법에 대해 설명한다.