用途：该技能为建筑项目提供基于机器学习的风险评估，在风险发生前预测潜在风险，并按数据洞察对缓解策略排序。覆盖四类风险：进度（延误、关键路径影响）、成本（预算超支、变更单）、安全（事故概率、危险识别）、质量（缺陷、返工概率）。
主要能力：提供 ConstructionRiskAssessor 类，可分别训练延误、成本超支、安全三类模型；延误与成本采用随机森林分类器判断是否发生，并用梯度提升回归器预测影响幅度；安全模型使用 class_weight='balanced' 处理不平衡数据。支持类别编码、缺失值填充、标准化、交叉验证评估、特征重要性输出，以及按概率给出 High/Medium/Low 严重度、影响天数/成本、贡献因素和推荐行动。模型可用 joblib 保存与加载。还包含特征工程（单位面积成本、工期、人均经验、冬季月份、城市复杂度等）和 Excel 风险报告生成。
使用方式：需准备历史项目 CSV，选取项目规模、预算、工期、复杂度、团队规模等特征，用 train_test_split 划分数据后训练模型，再对单个新项目调用 predict_risks 获取预测。示例依赖 pandas、numpy、scikit-learn、joblib、openpyxl。
适用场景：施工企业、项目管理方在投标、策划与施工阶段做风险预判和缓解优先级排序。
限制：预测质量取决于历史数据规模与特征质量；资料未提供具体准确率、收费、平台支持或部署要求，相关事实暂未提供。