目前基于GIS的泥石流易发性(简称DFS)评价模型中,统计类型模型的因子须保证独立性,且权重受区间划分控制;线性机器学习难以处理非线性问题、而常用非线性模型调试效率低。鉴于随机森林(RF)能有效克服常用模型的诸多不足,且在DFS评价中的应用极少,本文先展开基于RF的DFS评价,采用线性、RBF支持向量机、二次判别分析、RF等经贝叶斯优化的模型和26种泥石流影响因子。然后,分别以RF的相对权重排序和蒙特卡洛方法研究因子组合和建模样本变化下DFS评价的可靠性。结果表明:(1)RF不易发和较易发区中有21个因子可指示泥石流孕育环境差异。(2)RF的相对权重排序能有效确定易发模型的局部最优因子组合。(3)随机样本划分导致的评价不确定性在中易发区最大,应通过提高建模样本比例和改善模型降低。(4)RF的预测能力指标AUC:0.86、全局预测精度:0.79、F1分数:0.66和brier分数:0.14等,及它们的可靠度最优,可作为DFS定量评估的优先选择。