黄土高原是我国地质灾害最为发育的地区之一,其中滑坡灾害在各类地质灾害中造成的损失最为严重。本文选择黄土高原中部区域二十九个县区为研究区,以该区域内的滑坡易发性为研究对象,收集研究区内滑坡历史灾点共5210个,利用GIS分析技术和统计学手段对研究区内的历史滑坡灾点和各影响因子之间的关系进行分析,通过机器学习方法对研究区内的滑坡易发区进行预测,主要研究内容和结论如下:（1）基于科学性、独立性、可操作性、继承性原则,结合黄土高原灾害地质背景、历史灾点数据,初步选定滑坡易发性评价因子。然后对评价因子进行主成分分析和皮尔逊相关系数分析,筛选出本次研究滑坡易发性评价因子。最终选取高程、坡度、坡型、坡向、地层岩性、土地利用类型、归一化植被指数、到河流的距离共8个评价因子。（2）基于GIS分析和统计学理论对评价因子的数据进行提取、预处理操作,使用频率比方法分析评价因子各个数据区间与滑坡发生之间的相关性关系,并对评价因子数据进行分级,分级结果显示:研究区高程900m～1200m、1400m～1600m、1900m～2100m区间,坡度10°～30°区间,坡向西和北西方向区间,坡型为凹形坡,地层岩性为较硬岩组及软硬相见岩组,NVDI为0.1～0.4区间,到河流水系0～1500m及6000m～8500m距离区间,土地类型为草地、灌木地、人工地表,上述数据区间范围内滑坡灾害发生频率比均大于1,在统计学意义上与滑坡的发生密切相关。（3）基于8个选定的评价因子使用逻辑回归模型、多层感知机模型、极值梯度提升算法3种机器学习模型对研究区进行滑坡易发性评价。使用Python语言编程实现样本集的构建、模型函数的调用、模型参数优化及结果输出,采用受试者工作特征曲线和分类准确率指标来判断评价结果的精度,从而得到滑坡易发性评价的最优结果和最优参数。逻辑回归模型、多层感知机模型、极值梯度提升模型的分类准确率分别88.14%、90.57%、91.39%;三个模型的受试者工作区线下面积值分别为0.9514、0.9761、0.9760,其中极值梯度提升模型性能最佳。（4）根据极值梯度提升模型得到结果,基于自然断点法（Jenks）将研究区划分为高易发、中易发、低易发和极低易发四个易发区,得到研究区滑坡易发性评价图。其中滑坡高易发区内分布滑坡频率比为1.503,表现出较强的相关性。高易发区主要分布于陕西省中部地区的黄陵县、洛川县、富县、甘泉县,陕西省西部陇县,陕西省延安市南部,甘肃省平凉市西南部;中易发区主要分布于宁夏自治区南部的西吉县、固原市、彭阳县,甘肃省秦安县、庄浪县,以及陕西省北部吴起县、志丹县;滑坡低易发区和极低易发区在研究区普遍分布,其中在甘肃省东部镇原县、宁县以及华池县西部,宁夏同心县北部,陕西志丹县、安塞县北部、子长县中西部低易发和极低易发区集中分布。