La exposición a altas concentraciones de ozono superficial (O), que es un importante contaminante del aire y gas de efecto invernadero, constituye una preocupación significativa para la salud pública, especialmente considerando el potencial impacto adverso del cambio climático en los valores futuros de O. La implementación de métodos cada vez más efectivos para evaluar los factores que determinan la formación y variabilidad de O es, por lo tanto, de gran importancia. En este estudio, se utilizó un enfoque metodológico que combina algoritmos de aprendizaje automático (MLAs) supervisados y no supervisados con el método de explicaciones aditivas de Shapley (SHAP) para comprender los factores clave detrás de la variabilidad de O y explorar las relaciones no lineales que vinculan O con estos factores. El análisis SHAP realizado a diferentes escalas de eventos indicó (i) el papel dominante de las variables meteorológicas en la variabilidad de O, principalmente la humedad relativa, la velocidad del viento y la temperatura a lo largo del período de estudio; (ii) un aumento en la contribución de la temperatura, los óxidos de nitrógeno y el monóxido de carbono a altas concentraciones de O durante un evento de contaminación seleccionado; (iii) el efecto predominante de la velocidad del viento y la humedad relativa en la configuración de los patrones diarios de O agrupados utilizando la técnica de -medias. Se espera que los resultados obtenidos sean útiles para la definición de medidas efectivas para prevenir y/o mitigar el daño a la salud asociado con la exposición al ozono.