O estudo analisa a variabilidade climática na cidade de Ceará-Mirim, Rio Grande do Norte, no período de 1991 a 2020, utilizando técnicas de Machine Learning para identificar e classificar os tipos de tempo atuantes na região. O referencial teórico se baseia em conceitos de climatologia e aprendizado de máquina, aplicados ao estudo de dados meteorológicos históricos. A metodologia envolveu a coleta de dados diários de temperatura, umidade relativa e precipitação, seguido pela aplicação da análise de componentes principais (PCA) para simplificação dos dados. Foram identificados cinco tipos distintos de clima na região, variando desde condições predominantemente secas e quentes até ambientes mais úmidos e frescos. Os resultados revelam padrões sazonais significativos, com implicações para o planejamento urbano e a gestão de recursos naturais em Ceará-Mirim. Este estudo contribui para um entendimento das dinâmicas climáticas regionais e oferece uma base sólida para futuras pesquisas e políticas públicas voltadas à mitigação dos impactos climáticos.