“环境—犯罪”间的非线性关系与空间异质性关系是导致理论争议和实证分歧的关键，但有关分析仍显碎片化，且面临依赖线性模型、共线性问题、遗漏变量等局限。本文利用机器学习中的GBDT算法和SHAP解释器，系统揭示48种建成环境及社会环境因素与北京暴力犯罪的非线性和空间异质性关系。研究表明，案例区环境因素与暴力犯罪存在7类非线性关系，各类环境因素的影响方向和边际效应呈不同变化趋势。环境因素与暴力犯罪的关联还具有不同程度的空间异质性，经K-means聚类分析，可将全域划分成6类拥有差异化犯罪引致因素的区域。犯罪模式理论的设施划分、街道眼与防卫空间理论何者成立、社会解组理论所提因素的影响都取决于环境变量取值区间和空间单元所在区位。犯罪防控应由普适性施策转向因类因地施策，公共资源投入需聚焦特定区间和重点区域。