本书以基于机器学习的滑坡易发性评价为主题，重点阐述滑坡易发性评价研究进展，基于机器学习的滑坡易发性评价基本理论、优化方法及其在区域滑坡防灾减灾中的应用。本书针对机器学习易发性评价模型中的评价因子选择、因子组合特征、样本选择方法、样本比例及采样不确定性对滑坡易发性评价的影响等问题，系统对比分析了不同因子选择方法对不同滑坡易发性评价机器学习模型性能的影响，提出了考虑因子组合特征的机器学习易发性评价方法，发展了基于频率比和易发性指数采样的滑坡易发性评价模型，揭示了滑坡正负样本比例和采样方法对机器学习易发性评价模型性能的影响规律．提出了基于贝叶斯优化的滑坡易发性评价最佳样本比例确定方法。建立了基于多重缓冲区采样的滑坡易发性评价置信图。本书研究成果丰富了基于机器学习的滑坡易发性评价理论和方法．有望为地质灾害防灾减灾工作提供有力支持。
本书可供地质工程、岩土工程、土木工程、水利工程、采矿工程、测绘工程和地理信息系统等相关专业的教师、研究人员和工程技术人员参考使用，也可作为高等院校和科研院所相关专业的研究生教材和参考用书。