近年来,城市空气污染问题愈发突出,大量的汽车尾气、工业废气、扬尘等直接排放到城市环境中,远远超过了城市环境的自净能力,导致空气质量下降,直接危及到城市居民的健康和安全,城市空气质量问题已经引起了中国社会各界的高度重视。为了有效地控制空气污染,提高城市的空气质量,首先一定要对城市环境空气质量进行科学合理的评价,使城市居民以及环境保护部门更加客观地了解城市环境的空气质量,做出合理的生活安排及科学的防治措施。所以城市环境空气质量评价对于防治空气污染发挥着重要的作用。随着大数据时代的来临以及人工智能的兴起,传统的评价方法已经不能满足对海量传感器数据智能化处理的需求,大量学者开始基于大数据,利用智能方法来评价城市环境的空气质量。机器学习是人工智能的分支,本文将机器学习引入到城市环境空气质量评价中,利用机器学习中的随机森林算法来评价城市环境的空气质量,通过对随机森林模型训练,找到多种空气污染物与空气质量等级之间的内在映射关系,建立随机森林评价模型,提高评价科学性和鲁棒性。本文在仿真实验时,将随机森林评价模型与支持向量机,朴素贝叶斯和K最邻近模型进行对比,仿真采用的数据为上海市2013年到2015年的部分空气质量真实数据,仿真实验得到了较好的效果,实验结果表明评价方法效果最好,准确性最高可达99.69%,同时本文对随机森林模型的性能进行了深入分析,进一步验证了该评价方法的适用性与稳定性,从分析可以看出本文模型的泛化误差对特征变量个数不是很敏感,并且在准确性与时间复杂度之间有较好折衷,可以用于准确有效的评价城市环境的空气质量。