用途：为建筑项目预测提供机器学习建模能力，围绕成本、工期、风险评分、生产力、质量等目标训练与评估自定义模型。
主要能力：数据准备阶段处理缺失值、对类别特征编码、对数值特征做标准化，并按比例划分训练集与测试集。支持线性回归、岭回归、k-NN 等算法（ENUM 中还列出决策树与集成，但资料未给出对应训练实现）。训练后计算 MAE、MAPE、RMSE、R² 等指标，并按系数绝对值计算特征重要性。可调用模型进行单次预测，返回预测值与特征贡献；可用 compare_models 汇总对比多个模型，用 export_model 导出 JSON（含系数、截距、预处理参数），用 export_to_excel 导出模型对比与各模型特征重要性工作表。
用法：导入后创建 MLModelBuilder，传入 DataFrame，调用 build_model 指定目标列、特征列、目标类型与算法及参数（test_size、alpha、k），再通过 predict 传入特征字典获取预测。示例中构建了工期模型并输出 R² 与 MAE，随后预测一个项目的工期天数。
限制：仅使用 numpy/pandas，未依赖 scikit-learn；决策树与集成算法在资料中只有枚举，未提供实现细节；价格、平台支持、部署方式与收费信息暂未提供；模型效果取决于数据质量与样本量。