A crise climática tem cada vez mais relevância devido aos seus eventos extremos e constantes, com diversos impactos sociais e economicos. A previsibilidade destes eventos, por sua vez, e cada vez mais desafiante. Os avanços em Inteligência Artificial ( IA) possibilitam a extração e classificação de informaçoes capazes de serem usadas na modelagem de dados meteorológicos, e com isto, auxiliam na mitigação dos impactos destes eventos extremos. Este artigo apresenta um comparativo entre modelos de aprendizado de máquina para a classificação do volume de chuvas na cidade do Recife, por meio da análise de dados semanais de precipitação, com objetivo futuro de oferecer maior assertividade na emissão de alertas de eventos extremos. são considerados os seguintes algoritmos: k-nearest neighbors, logistic regression, support vector machine, decision tree e random forest. Foram utilizados dados historicos no intervalo de 17 anos, entre 2005 e 2021, extraídos da estação autom atica (A301) da base do Instituto Nacional de Meteorologia (INMET), localizada em Recife. De acordo com os resultados obtidos, o modelo baseado em regressão log ística se destacou, com acurácia de 94,12%. Além disso, foram consideradas tamb em as métricas recall score e receiver operating characteristic score.