本文基于2017年中国流动人口动态监测调查数据，系统地运用多元线性回归、惩罚回归、集成学习和深度学习等多种机器学习方法，考察了农业转移人口市民化水平的影响因素。研究结果表明：集成学习方法在预测农业转移人口市民化水平方面明显优于多元线性回归模型，其中梯度提升回归树模型的预测效果最佳；在所有特征变量中，个体的受教育程度、性别、家庭规模、年龄和流动城市数量是影响农业转移人口市民化水平的最主要因素。此外，本文通过累积局部效应图展示了不同影响因素对农业转移人口市民化水平的具体预测模式，并发现年龄和流动城市数量对农业转移人口市民化水平有着明显的非线性影响。这些研究结论对政府进一步推进农业转移人口市民化具有重要参考价值。