有效的成矿预测模型可提供找矿快速筛查目标,提升勘查效率。证据权法因其在多元地学数据的处理和空间关联分析上的显著优势而被广泛用于成矿预测研究。然而,证据权法用于预测的证据因子数量较少、预测结果易受地质背景约束的问题仍有待解决。笔者以冀北地区火山岩型铀矿为研究对象,利用区域化探、重磁数据,基于证据权法开展火山岩型铀矿区域尺度成矿预测。在传统思路构建区域地质、地球物理、地球化学证据图层的基础上,引入机器学习算法(随机森林、支持向量机、深度神经网络)构建新的地球化学证据图层,并使用传统证据权法和融合机器学习的证据权法分别开展预测。结果显示:⑴机器学习算法构建的地球化学证据图层因子权重均大于1.8,模型对矿致异常识别的准确率均大于95%,仅支持向量机对矿化和高背景地质体的分辨能力相对较弱;⑵融合机器学习的证据权法圈定有利找矿区8处,传统证据权法圈定有利找矿区5处;⑶相比传统证据权法,融合机器学习的证据权法受地质背景影响较低。利用融合机器学习的证据权法,在围场县、太仆寺旗新发现4处成矿有利区,为找矿工作提供新思路。