MCP准则（minimax concave penalty criterion），理学-统计学-数理统计-预测，线性模型中对回归系数的一种特定惩罚函数。考虑线性模型：及其对应的含罚项的平方损失函数：式中为罚函数；；为样本数；为变量数；。设罚函数是关于的非递减函数，并且在上有连续的导数。进一步假设，则MCP定义如下：式中参数；。限制在以下的关于无偏性和变量选择的性质下的表达式为：这个罚函数最小化了最大的凹函数：如果损失函数在稀疏集合里是凸的，其中，那么称其为秩为的稀疏凸函数。虽然以上的无偏性和变量选择的特性排除了凸的罚函数，但MCP通过最小化最大的凹函数，为损失函数提供了最大范围上的稀疏凸性质。MCP使达到了，参数越大则无偏性越低、凹性越高。对每一个参数，MCP提供了一个连续变化的罚函数：当时其为惩罚函数，当时其为惩罚函数。