用途：面向建筑项目工期估算，用机器学习方法替代主观专家判断，基于历史项目数据预测工期，并支持与相似项目对比。
主要能力：提供三种模型——k-NN、距离加权 k-NN（weighted_knn）和线性回归（linear_regression）；无足够数据时回退到按项目类型的基线估算。可输出预测工期、置信区间、相似项目列表和特征重要性。支持从 DataFrame 加载训练数据、添加单个训练项目、评估模型（MAE、MAPE、RMSE、样本数）以及查询最相似项目。
使用方式：创建 DurationPredictor，用 ProjectFeatures 添加带 actual_duration 的历史项目作为训练数据，再对目标项目调用 predict(target, model, k)。项目特征包括 project_type、size_sf、floors、complexity（1-5）、location_factor、has_basement、is_renovation。示例：predictor.predict(new_project, ModelType.WEIGHTED_KNN)。
适用场景：早期阶段工期估算、历史基准对比、相似项目检索、模型效果评估。
限制：预测质量依赖历史训练数据的数量与质量；线性回归在样本少于 3 条或矩阵不可逆时回退基线；置信区间基于近邻标准差或回归残差 RMSE，并非保证区间。资料未提供安装命令、收费、平台支持或具体准确率数据。