早发性卵巢功能不全（Premature ovarian insufficiency,POI）是指女性40岁之前出现卵巢功能减退,以月经异常为主要表现。该病往往是多种影响因素共同作用的结果,本文通过机器学习算法对POI的影响因素进行特征排序,找出对POI影响程度较大的因素。这样医生在诊断过程中能够重点关注这些因素,进而给予患者针对性的精准医疗。同时这对医生的诊断能提供更加科学的支撑依据,也对女性健康生活具有一定的指导意义。本文首先通过制定纳入、排除和剔除标准筛选出因月经问题就诊的患者信息,对患者的年龄、职业等一般情况和月经周期、经量等月经情况数据进行描述性分析。通过逻辑回归、支持向量机、决策树、随机森林、XGBoost和KNN六种算法对患者数据进行POI预测分类,根据马修斯相关系数和AUC值得出随机森林的预测精度最高。通过随机森林中的准确度下降和基尼不纯度下降对POI影响因素进行特征排序,结合逐步剔除法得到对POI影响程度排序前5的特征指标,并探究其预测精度。统计分析结果表明:患者的月经情况普遍出现长期紊乱现象,同时POI的发病有年轻化的趋势。排序结果提示女性要着重关注五个方面:做过子宫或盆腔手术、受教育程度、年龄、减肥史和吸烟。女性在生活中如果做过子宫或盆腔手术,要防止术后感染恶化。研究发现女性卵巢功能会随着年龄的增加而逐渐衰退,同时在就诊患者中受教育程度越低的患者,确诊POI的概率越大。对于研究的患者中存在过度减肥的女性,过度减肥导致的月经紊乱问题长期发展下去会诱发POI。确诊为POI的女性中大部分都有主动吸烟或吸二手烟的经历,不良的生活习惯会影响女性的月经周期,甚至会影响生育能力。