Aliferis、Tsamardinos 與 Statnikov 在 2003 年提出 HITON，將目標變項的馬可夫毯用於分類、迴歸與預測的變項選擇。研究強調以條件獨立關係縮小候選特徵集合，避免在高維資料中把所有變項都投入模型。此研究呈現馬可夫毯從機率圖模型走向生物醫學資訊學與實務預測的路徑。
思與行
- 評估特徵選擇時，不只比較分類準確率，也要比較選出的變項數量、穩定性與可解釋性。
- 若用於基因或醫療資料，應額外檢查樣本偏差、測量誤差、隱藏混雜與資料外驗證；「被選中」不代表該變項就是因果因素。
參考
- 原始論文：HITON: a novel Markov Blanket algorithm for optimal variable selection（2003）。
- 作者機構：Vanderbilt University，美國；研究領域為生物醫學資訊學。
- 延伸：馬可夫毯能縮小預測所需的資訊集合、預測相關性不能直接當成因果解釋。