本发明提供一种基于SMOTE‑ReliefF‑XGBoost算法的质差小区根因定位方法，所示方法包括：建立小区基站信息矩阵，根据历史经验对基站质差根因打标签；根据基站信息不同特征的特点采取合适的数据预处理方法；利用SMOTE过采样方法均衡不同类别数据量；由于数据特征的冗余性，首先采用ReliefF算法计算各特征的权重值，然后根据Sequential Forward Selection方法挑选重要特征；最后将处理后的数据送入4个独立的XGBoost分类模型进行训练，并采用遗传算法进行参数调优；本发明通过采用SMOTE过采样技术有效避免过拟合问题，使用ReliefF特征选择算法节省了计算机内存资源同时剔除了冗余特征，提升了模型性能，最后采用遗传算法优化XGBoost模型降低了模型的训练时间。