目的 探究中药温、凉、寒、热、平5种药性分类模型的构建及验证。方法 选择小鼠服用不同性质中药后的尿液标本作为研究对象，利用拉曼光谱相关技术进行检测。将得到的数据集分为训练集和测试集，用随机森林、极端梯度提升、支持向量机、逻辑回归4种机器学习方法构建分类模型，使用精确率、召回率、F1分数以及准确率来评估模型性能。结果 本研究共收集到4 888组光谱，其中3 910组（80%）光谱数据用以构建模型，其余978组（20%）光谱数据用以测试模型性能。随机森林模型、极端梯度提升模型、支持向量机模型和逻辑回归模型的准确率分别为92%、87%、83%和75%。参与分类权重最高的拉曼位移分别为872、1 012、1 108、1 190和1 668 cm^-1。结论 拉曼光谱结合机器学习算法可以用于中药5种药性的分类，为中药药性分类提供新的方法，其中随机森林模型效果最佳。