海底滑坡是广泛分布于全球大陆边缘海底的一种典型海洋地质灾害，对海洋平台、海底电缆和沿海人员设施等可造成严重危害，海底滑坡易发性评价是海洋地质灾害评估中至为关键并且首要的一步。本研究搜集了伊比利亚西南边缘海域9个与海底滑坡发生相关的因素，包括水深、坡度、曲率、地震密度、距断层距离、距火山距离、沉积物类型、管线密度和航行器密度，并构建了海底滑坡清单。基于频率比（FR）结合常用的监督机器学习算法—逻辑回归（LR）、随机森林（RF）和人工神经网络（ANN）进行了该区域大尺度海底滑坡易发性评价，获得的易发性图使用Jenks自然断点法分为5级，从非常低、低、中、高到非常高。通过概率特征和机器学习评价指标评估了模型的准确性。结果表明：频率比-监督机器学习模型获得的海底滑坡易发性结果统计特征更具有合理性，模型精度优于单一频率比模型或机器学习模型，且随数据样本量的提升，结果更加优异。本研究提出的海底滑坡易发性评估方法和研究结果对于加强该区域或者其他区域海底滑坡风险的认知，制定有效的风险管理策略具有积极的意义。