مقدمه: تحقیقات قبلی عوامل مؤثر مختلفی را در میزان موفقیت درمان­های IVF/ICSI شناسایی کرده­اند، اما عدم وجود یک رویکرد استاندارد برای درمان­های مختلف همچنان یک چالش است. هدف: هدف از این مطالعه استفاده از رویکرد یادگیری ماشینی برای شناسایی عوامل پیش­بینی­کننده اصلی موفقیت در درمان­های لقاح آزمایشگاهی (IVF) و تزریق اسپرم داخل سیتوپلاسمی (ICSI) است. مواد و روش ­ها: اطلاعات 734 نفر از آبان 1395 تا اسفند 1396 با همکاری ارزشمند دو مرکز ناباروری در مشهد جمع­آوری شد. این همکاری شامل یک مرکز دولتی ناباروری وابسته به دانشگاه علوم پزشکی (میلاد) و یک مرکز خصوصی ناباروری (نوین) در مشهد، ایران بود. ما از روش­های انتخاب ویژگی (فیلتر، تعبیه شده و بسته­بندی) برای کاهش ابعاد در یک مدل جنگل تصادفی استفاده کردیم. ما ابتدا از مجموعه­های فازی مردد (HFS) برای انتخاب مؤثرترین روش برای کاهش ابعاد استفاده کردیم. سپس، ما از یک رویکرد ترکیبی برای شناسایی پیش­بینی­کننده­های کلیدی، افزایش دقت و قابلیت اطمینان استفاده کردیم. عملکرد روش پیشنهادی با استفاده از معیارهای یادگیری ماشین مانند MCC، Runtime، Accuracy، AUC، PPV، Recall و F-Score ارزیابی شد. این روش ترکیبی نقاط قوت روش­های انتخاب ویژگی را ترکیب می­کند و شناسایی پیش­بینی­کننده را بهبود می­بخشد. نتایج: روش انتخاب ویژگی ترکیبی ما با بالاترین دقت (795/0، ACC) AUC (72/0) و F-Score (8/0) برتری داشت، در حالی که تنها 7 ویژگی را انتخاب کرد. اینها عبارتند از FSH، 16Cells، Fage، Oocytes، GIII، Compact و Unsuccessful. نتیجه­ گیری: در این مطالعه، ما کاربرد جدیدی از مجموعه­های فازی مردد (HFS) را در روش پیشنهادی خود، با پشتیبانی از یک مجموعه داده چند مرکزی، برای انتخاب ویژگی­های تأثیرگذار در پیشبینی میزان موفقیت ناباروری معرفی می­کنیم. با استفاده از انحراف استاندارد در بین معیارهای مختلف، HFS ها کیفیت انتخاب ویژگی را افزایش داده و تعداد ویژگی­ها را کاهش می­دهند. نتایج ما تفاوت معنی­داری را بین مقادیر میانگین گروه­های باردار و غیرباردار برای ویژگی­های انتخاب شده از جمله FSH، FAge، 16Cells، Oocytes، GIII و Compact نشان می­دهد. علاوه بر این، ما ارتباط معنی­داری بین FAge و ضربان قلب جنین (FHR) و با نرخ بارداری بالینی (CPR) پیدا کردیم و بالاترین سطح FSH (87/31%) برای دوزهای FSH در محدوده 10 تا 13 (mIU/ml) مشاهده شد.