3. 机器学习基础回顾

在构建成本估算联动机制之前，必须厘清机器学习的基本范式及其与成本估算问题的映射关系。本章从监督学习、无监督学习、回归与分类四个核心维度出发，结合软件成本估算的典型场景，建立算法选择与估算任务之间的对应逻辑。

3.1 监督学习 vs 无监督学习：估算场景的两种数据前提

监督学习依赖带标签的历史项目数据（如已完成项目的实际工作量、缺陷数、交付周期），通过输入特征（功能点、团队规模、技术栈）预测输出标签（成本、工期）。无监督学习则用于无标签数据，发现项目之间的内在结构或异常模式。

3.2 回归问题：连续成本预测的核心引擎

回归模型输出连续数值，直接对应成本估算中的人月数、开发成本（万元）、测试工时（小时）等关键指标。在成本估算联动机制中，回归模型是预测偏差的主要来源，也是校准循环的输入起点。

3.2.1 常用回归算法与估算场景匹配

3.2.2 回归模型校准的关键指标

校准联动机制需要实时监控回归模型的预测偏差，以下指标是校准触发和参数调整的依据：

• 平均误差（MAE）：衡量预测成本与实际成本的偏差，单位与人月/万元一致，直观反映估算精度。
• 均方根误差（RMSE）：对大偏差惩罚更重，适合识别极端估算失误。
• 相对误差（MRE）：MAE / 实际成本，消除项目规模影响，便于跨项目比较。
• 预测区间宽度：回归模型输出的置信区间宽度，反映估算的不确定性。

# 回归模型校准偏差计算示例（Python伪代码）
def compute_calibration_metrics(y_true, y_pred):
    mae = np.mean(np.abs(y_true - y_pred))
    rmse = np.sqrt(np.mean((y_true - y_pred) ** 2))
    mre = np.mean(np.abs(y_true - y_pred) / y_true)
    return {'MAE': mae, 'RMSE': rmse, 'MRE': mre}

# 校准触发条件：MRE > 0.25 或 MAE > 5.0 人月
if metrics['MRE'] > 0.25 or metrics['MAE'] > 5.0:
    trigger_calibration(model_id, metrics)

3.3 分类问题：成本风险等级与估算策略选择

分类模型输出离散类别，在成本估算中主要用于风险等级判定、估算方法选择、项目类型识别等决策任务。分类结果直接影响校准策略的差异化配置。

3.3.1 成本估算中的典型分类任务

3.3.2 分类模型校准的特殊性

分类模型的校准不同于回归模型，重点在于概率校准和混淆矩阵分析：

• 概率校准：确保模型输出的概率（如高风险概率80%）与实际发生频率一致。例如，所有预测为高风险且概率在75%~85%的项目，实际高风险比例应接近80%。
• 混淆矩阵：分析误分类模式。将中风险项目误判为低风险（漏报）比误判为高风险（误报）对成本估算的破坏更大，校准时应赋予不同权重。
• 校准曲线：绘制预测概率 vs 实际频率的曲线，偏离对角线越远，校准需求越迫切。

3.4 回归与分类的协同：成本估算联动机制的双引擎

在实际的成本估算系统中，回归和分类模型并非独立运行，而是形成协同联动：

1. 分类先行：新项目进入时，先通过分类模型判定风险等级、项目类型、数据质量，确定校准策略模板。
2. 回归预测：根据分类结果选择对应的回归模型（或模型组合），输出成本预测值及置信区间。
3. 偏差监控：项目完成后，将实际成本与回归预测值对比，计算校准指标（MAE、MRE等）。
4. 分类更新：偏差数据反馈给分类模型，更新风险等级判定阈值和校准周期配置。
5. 回归校准：偏差数据同时用于回归模型的参数微调或重训练，形成闭环。

3.5 本章小结：机器学习基础与成本估算的映射关系