磁铁矿作为地壳中最丰富的氧化物之一，长期以来其微量元素含量被当作判别矿床成因的重要指标。传统的基于有限矿床测试数据的二维判别图已经无法满足现如今研究中对高分类精度的期望。磁铁矿地球化学数据的持续增加和高精度机器学习算法的发展为磁铁矿矿床成因分类提供了一条新的研究路线。在本文研究中，基于已发表的来自世界各地不同地质环境的文献数据，汇编了一套激光烧蚀电感耦合等离子体质谱（LA–ICP–MS）磁铁矿地球化学数据集。该数据集被用于训练多个机器学习（ML）分类器，包括随机森林、支持向量机和多层感知机。建立的分类器可以用于矿床成因的预测。为了验证分类器的有效性，对从中国东南部福建省马坑和洛阳铁矿采集的磁铁矿样品进行了LA-ICP-MS分析，获得的数据用于分类器以预测马坑和洛阳矿床的成因。三种算法建立的分类器均产生良好的预测结果，预测马坑和洛阳矿床均为矽卡岩型矿床，该结果与详细的岩石地球化学和同位素研究结果一致，验证了分类器的适用性。本文还基于三种分类器建立了分类程序，可利用磁铁矿微量元素数据预测矿床成因类型，并能够对大型数据集进行分析。该可执行程序满足了磁铁矿数据分析和矿床类型分类的需求，是磁铁矿研究和矿产勘查的有力工具。