高层住宅工程作为一种大型投资项目,具有高风险、规模大、建设周期较长的特点,根据高层住宅工程项目本身的特点寻求投标报价的依据一直是建筑企业所关注的重点。由于传统的施工成本预测方法需要大量的数据与时间支撑,无法在较短时间内为建筑企业投标报价提供更为准确的依据,因此本文提出一种基于Stacking算法的预测方法,以解决建筑企业在小样本数据情况下的高层住宅施工成本预测问题,为实际工程提供参考。首先将高层住宅工程成本构造与实际情况相结合,构造完整的模型评估指标体系。先将数据进行相关性与异常值的处理与分析,再选用PCA对数据进行降维处理,该方法不仅可以对数据维度进行约减,还可以进行特征提取,保证了后续建模的准确性与时效性。其次本文以兰州地区某房地产已建高层住宅项目为例,结合机器学习中单一模型适用情形与分类,先使用SHAP值对模型的特征重要性进行分析,将模型与实际工程紧密联系在一起进行归纳总结;再使用默认参数将单一模型的预测效果进行对比,筛选预测效果准确的三个单一模型;之后结合学习曲线与网格搜索的方法对单一模型依次调参,然后将训练集进行五折交叉验证后的预测值堆叠作为新的训练集,并对测试集的数据进行每次预测后取其加权平均值作为新的测试集,最终使用新的训练集与测试集构建Stacking二级模型并得到其预测结果。最后根据模型评估指标对其成本真实值、单一模型预测值、Stacking算法预测值进行对比分析,对模型之间产生误差的部分进行研究,最终得出Stacking算法对于小样本数据的预测效果较好,优于其他单一模型的预测效果。本文基于Stacking算法建立了高层住宅施工成本预测模型,该模型为建筑企业投标报价提供了快速准确的施工成本预测方法。预测结果表明,Stacking算法比预测效果最好的单一模型的最终绝对误差降低了32.53%,说明Stacking算法的预测精度较高,能够满足实际工程的需求。