这项工作使用来自建设性模拟的可靠数据，比较了有监督的机器学习方法，以估计空战中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，分析了准确度、精确度、召回率和f1-score。事实上，我们可以发现基于决策树的模型性能卓越，而其他算法对重采样技术非常敏感。在未使用重采样技术和使用重采样技术的情况下，最佳f1-score模型的值分别为0.378和0.463，提高了22.49%。因此，如果需要，重采样技术可以提高模型的召回率和f1-score，但准确率和精确度会略有下降。此外，通过创建基于机器学习模型的决策支持工具，有可能提高飞行员在空战中的表现，这有助于提高攻击任务命中特定目标的有效性。