地震发生后，及时准确地评价灾区的滑坡易发性对应急救援，灾后重建具有重要意义.然而目前在地震滑坡易发性评价中对不同机器学习模型性能对比的研究较为缺乏.本文从地震动参数、植被、断层岩性、水文和地形方面构建了地震滑坡易发性评价指标体系.然后选取了逻辑回归、K近邻、朴素贝叶斯和随机森林算法，以鲁甸地震为研究案例分别构建了4种滑坡易发性评价模型，并对模型的预测精度进行了对比.结果显示：随机森林模型在测试数据集上的灵敏度（0.94）、精确度（0.94）和准确度（0.94）均高于另外3种机器学习模型，且该模型生成的滑坡易发性的空间分布与实际的地震滑坡分布较为一致，朴素贝叶斯模型的预测精度相对较差.此外，因子的重要性分析结果表明距河流距离、修正的麦加利地震烈度、距断层距离和坡度是影响滑坡易发性相对重要的评价指标。