气候变化是一个有争议的话题，尤其是在美国，那里许多人都不相信人为的气候变化。 由于预计其后果将是严峻的，例如海洋大面积灭绝和频繁的极端天气事件，因此了解导致变暖的原因以更好地应对变暖是很重要的。 在这项研究中，第一个挑战在于如何基于80万年的大规模气候数据构建可靠的统计模型，以及如何准确捕捉温度与潜在因素之间的关系，例如二氧化碳（CO2），一氧化二氮（N2O）和甲烷（CH4）。 我们在我们的数据上比较了几种主流机器学习算法的性能，包括线性回归，套索，支持向量回归和随机森林，以建立先进的模型来验证地球的变暖并确定导致全球变暖的因素。 我们发现，随机森林优于其他算法来创建准确的气候模型，该模型使用