【摘要】农村居民点适宜性评价是优化农村土地利用布局的基础性工作之一,解决该研究领域存在的问题,提高评价结果的科学合理性,使之更好地服务于农村土地资源的转型、优化利用,事关乡村振兴战略的实施。本文引入机器学习方法,通过对小规模已知样本的学习实现大规模未知数据的高精度分类与评价,从方法可行性、数模结合、优化策略和预测实现等方面进行探讨,应用随机森林算法对湖北省房县农村居民点利用的适宜性问题展开实证研究。结果显示:(1)房县农村居民点适宜性受其可通达能力、海拔高度、地块面积及当地农业生产活跃程度的影响较大,也与农民生活、收入水平紧密相关;(2)训练模型的性能受特征(评价因子)规模变化的影响较小,其中,16维特征集合模型的测试精度可达83.54%;(3)不同训练模型的预测结果均反映出房县的非适宜型居民点规模较大,该算法的鲁棒性强,评价结果稳定可靠。研究表明,机器学习方法能较好地支撑农村居民点适宜性评价工作,评价结果能为优化农村土地利用和基层治理提供数据基础。