在开放环境下,数据中包含很多不确定性,如数据噪声等,这给传统的机器学习方法带来了巨大的挑战。该文综述了当前考虑数据噪声的鲁棒回归建模方法,具体可分为两大类:基于数据预处理的鲁棒回归建模方法和基于鲁棒策略的鲁棒回归建模方法。前者根据数据预处理方法的不同又分为基于异常点检测和基于信号处理的鲁棒回归建模方法。后者所采用的鲁棒策略主要有3种:加权函数、鲁棒损失函数以及噪声分布先验。文中详细地描述了鲁棒回归建模各个方向的研究工作,并对比了两类鲁棒回归建模方法的优劣。最后,根据当前鲁棒回归建模存在的一些问题,也提出了构建鲁棒模型的几种可行的策略。