Para la mayoría de los deslizamientos de tierra, varios procesos desestabilizadores actúan simultáneamente, lo que lleva a un deslizamiento relativo a lo largo de la superficie del suelo o la masa rocosa con el tiempo. Se han propuesto recientemente varios enfoques de aprendizaje automático para la predicción precisa del desplazamiento relativo y acumulativo de deslizamientos, pero los investigadores han limitado sus estudios a solo unos pocos indicadores de desplazamiento. Determinar cuáles son los factores influyentes más importantes en la predicción de diferentes etapas de fallo es un desafío continuo debido a los muchos factores influyentes y sus interrelaciones. En este estudio, adoptamos un enfoque basado en datos para explorar las correlaciones entre varios factores influyentes que desencadenan el movimiento de la pendiente para realizar una reducción de dimensionalidad, luego selección y extracción de características para identificar cuáles factores medidos tienen la mayor influencia en la predicción de movimientos de la pendiente a través de un enfoque de regresión supervisada. Además, a través del agrupamiento jerárquico de las características seleccionadas mencionadas, identificamos distintos tipos de desplazamiento. Al seleccionar solo los medidores más efectivos, esto a su vez informa el subconjunto de sensores necesarios para su implementación en pendientes propensas a fallos para predecir fallos inminentes. La visualización de las características importantes obtenidas del análisis de correlación y la selección de características en relación con el desplazamiento muestra que ninguna característica puede ser utilizada de manera efectiva de forma aislada para predecir y caracterizar tipos de desplazamiento. En particular, el análisis de 18 sensores diferentes en el Observatorio de Deslizamientos de Tierra de Hollin Hill, activo y fuertemente instrumentado, en el noroeste del Reino Unido, que tiene varios cientos de metros de ancho y se extiende doscientos metros hacia abajo, indica que la precipitación, la presión atmosférica y la humedad del suelo deben considerarse conjuntamente para proporcionar una predicción precisa de deslizamientos de tierra. Además, mostramos que las características mencionadas anteriormente de la selección de características incrustada en Random Forest y las características del Factor de Inflación Variacional (Flujo de calor del suelo, Radiación neta, Velocidad del viento y Precipitación) son efectivas para caracterizar desplazamientos intermitentes y explosivos.