目的：确定4种机器学习（Machine Learning，ML）模型预测脑卒中上肢运动功能恢复结局的准确性和适用性，并探讨与结局恢复相关预测变量的重要性。方法：纳入802例中国康复研究中心住院的脑卒中患者，以临床数据作为特征变量、上肢运动功能恢复情况作为结果变量构建预测模型。验证比较了K-近邻（K-Nearest Neighbor，KNN）、支持向量机（Support Vector Machine，SVM）、随机森林（Random Forest，RF）和极限梯度提升（eXtreme Gradient Boosting，XGBoost）四种模型的预测性能。结果：XGBoost相较于其他模型表现出最佳性能，其准确率最高，为82.59%，其次为RF、SVM、KNN，准确率分别为81.09%、72.64%、70.15%。XGBoost和RF预测脑卒中运动功能改善的重要特征为病程、年龄、入院时美国国立卫生研究院卒中量表（National Institute of Health Stroke Scale，NIHSS）评分、Fugl-Meyer评估量表上肢评分（Fugl-Meyer Assessment Upper Extremity，FMAUE）及Barthel指数（Barthel Index，BI）。结论：ML预测模型可准确预测脑卒中后上肢运动功能结局，XGBoost模型表现出最佳性能。XGBoost模型和RF模型共同确定，病程、年龄、入院时NIHSS、FMAUE及BI评分是影响脑卒中上肢运动功能恢复的重要因素。