Un mapeo de susceptibilidad a deslizamientos de tierra (LSM) racional puede minimizar las pérdidas causadas por deslizamientos y mejorar la eficiencia de la prevención y reducción de desastres. En la actualidad, el ratio de frecuencia (FR), el valor informativo (IV) y el factor de certeza (CF) se utilizan ampliamente para cuantificar las relaciones entre los deslizamientos y sus factores causales; sin embargo, sigue sin estar claro qué método es el más efectivo. Además, los métodos existentes de zonificación de susceptibilidad a deslizamientos carecen de automatización completa; por lo tanto, los resultados están llenos de incertidumbres. Para abordar esto, se utilizaron el FR, el IV y el CF para analizar la relación entre los deslizamientos y los factores causales. Posteriormente, se desarrollaron tres conjuntos distintos de modelos, a saber, modelos de bosque aleatorio (RF_FR, RF_IV y RF_CF), modelos de máquina de soporte vectorial (SVM_FR, SVM_IV y SVM_CF) y modelos de regresión logística (LR_FR, LR_IV y LR_CF) utilizando los resultados del análisis como entradas. Se introdujo un modelo de mezcla gaussiana (GMM) como un nuevo método para la zonificación de susceptibilidad a deslizamientos, clasificando el LSM en cinco niveles distintos. Una evaluación de la precisión de los modelos y un análisis de racionalidad del LSM indicaron que el FR es superior al IV y al CF en la cuantificación de la relación entre los deslizamientos y los factores causales. Además, se empleó el método de cuantiles como un enfoque comparativo al GMM, validando aún más la efectividad del GMM. Esta investigación contribuye a un LSM más efectivo y eficiente, mejorando en última instancia las medidas de prevención de deslizamientos.