我国是生猪生产和消费的大国,生猪产业在我国的国民经济中占有十分重要的地位。近年来,生猪价格的超常波动严重影响了我国畜牧业的健康发展和人民群众的日常生活。生猪价格未来走势的研判为生猪产业从业者和相关主管部门制定决策提供了重要的参考信息。因此,对我国生猪价格进行科学准确地预测具有重要现实意义。本文从因果关系模型和时间序列模型两个方面分别建立生猪价格机器学习预测模型,以避免对单一模型的依赖,并提高预测的科学性。在因果关系预测模型方面,本文从生猪供需、疫病以及我国宏观经济环境方面选取了14个变量,进而构建岭回归模型、贝叶斯广义线性模型、极限学习机、偏最小二乘回归模型、神经网络模型和支持向量回归模型共6种机器学习生猪价格预测模型;在时间序列预测模型方面,本文针对多步预测的不同步长分别选择输入数据,构建了朴素预测模型、随机游走预测模型、累加式Holt-Winters模型、累乘式Holt-Winters模型、指数平滑状态空间模型以及自回归移动平均模型共6种机器学习生猪价格预测模型。并从组合预测视角,运用5种组合预测策略对上述机器学习预测模型的预测值进行组合,以提升模型的预测准确度。结果发现:生猪价格的影响因素众多,通过k-近邻互信息输入选择可以有效地选择输入变量,基于机器学习的预测模型能够对生猪价格开展较为准确的预测。在因果关系模型中,神经网络模型的预测准确度最高,其后依次为支持向量回归、极限学习机、贝叶斯模型、偏最小二乘和岭回归预测模型。组合预测策略的准确度在整体上高于单一的预测模型,与最优的单一预测模型（即神经网络模型）相比较,5种组合预测策略的预测准确度均有2%-10%的提升,这其中,OLS组合预测策略的预测准确度最高。在时间序列模型中,指数平滑状态空间模型（ETS）总体表现最好。组合预测策略相对于表现最优的单一预测模型准确度有1%-7%的提升。在预测步长为3时,Robust组合预测策略表现最好;在预测步长为6时,CLS组合预测策略表现最好。本文研究工作有助于生猪产业管理部门与相关从业者把握我国生猪市场价格运行规律,进而提升相关决策制定的前瞻性与科学性。也便于相关从业人员提前感知生猪价格波动,灵活且有效地进行布局,将潜在损失降到最小。