这项工作比较了有监督的机器学习方法，使用来自建设性模拟的可靠数据来估计空战期间发射导弹的最有效时刻。我们采用了重采样技术来改进预测模型，分析了准确性、精确性、召回率和f1-score。事实上，我们可以识别出基于决策树的模型的显著性能和其他算法对重采样技术的显著敏感性。具有最佳f1分数的模型在没有重采样技术和有重采样技术的情况下，分别带来了0.379和0.465的数值，这意味着增加了22.69%。因此，如果可取的话，重采样技术可以提高模型的召回率和f1-score，而准确性和精确性则略有下降。因此，通过建设性模拟获得的数据，有可能开发出基于机器学习模型的决策支持工具，这可能会改善BVR空战中的飞行质量，提高攻击性任务对特定目标的打击效果。