住宅楼项目通常是建设周期不短、施工工艺复杂、存在一定风险的大型投资项目,如何在工程项目前期阶段准确预测住宅楼项目建筑成本对地产企业投资决策及后续成本控制至关重要。因此本文提出利用机器学习算法的预测方法,研究当下地产企业住宅楼项目建筑成本预测问题,为后续实验和实际项目的成本管控提供参考。首先结合工程造价知识和实际样本数据,确定住宅楼项目建筑成本预测模型指标体系。先将样本数据集进行皮尔逊相关系数和归一化处理,再利用熵权法对确定指标权重,进行特征提炼,降低样本数据集维度。其次本文以河北省保定市某钢筋混凝土结构住宅楼项目为例,选用机器学习算法中的五种常用算法,在默认参数情况下观察各算法模型的预测效果的拟合情况,之后以评价指标为依据对各算法模型进行调参,用五折交叉验证后的样本数据集进行训练得到较优的算法模型,进行预测实验并得到预测结果。最后将五种算法预测结果与实际住宅楼项目建筑成本真实值进行比较,最终得出DNN算法预测效果在本次实验中较好,与实际值较为接近,优于其他四种算法预测模型。本文建立五种住宅楼项目建筑成本的机器学习预测模型,筛选出DNN算法能够较为准确预测建筑成本。预测结果表明,调参后的DNN算法在本次实验中的预测准确率达到95%,展现该模型在住宅楼项目建筑成本预测的优越性。本次住宅楼项目建筑成本研究为后续项目成本预测选出较为合适的机器学习方法带来借鉴和参考。