在选择投标测算模型的算法和模型时，需要考虑以下几个技巧：
确定需求：首先要明确投标测算模型的具体需求，包括需要考虑的因素、数据的可获得性、预测精度要求等。只有明确需求，才能选择合适的算法和模型。
数据准备：投标测算模型需要大量的历史数据来进行训练和验证。在选择模型前，需要对数据进行清洗、处理缺失值、处理异常值等预处理工作，以确保数据质量。
算法选择：常用的算法包括线性回归、决策树、随机森林、支持向量机、神经网络等。在选择算法时，需要考虑算法的复杂度、可解释性、训练时间、预测准确度等因素。
模型评估：选择算法后，需要进行交叉验证等方法来评估模型的性能，选择最优的模型参数。同时，还要考虑模型的泛化能力，避免过拟合或欠拟合问题。
模型调优：根据评估结果，对模型进行调优，包括调整超参数、特征选择、集成学习等方法，以提高模型的预测能力和稳定性。
模型应用：选择好模型后，需要将其应用到实际的投标测算中。在应用过程中，需要监控模型的表现，并根据实际情况进行调整和优化。
举例来说，假设一个公司需要制定一个投标测算模型来预测不同项目的成本，可以根据历史项目数据选择合适的算法和模型，比如使用随机森林算法来进行成本预测。在模型选择后，可以通过交叉验证来评估模型性能，调整模型参数，最终将模型应用到实际项目投标中。
综上所述，选择投标测算模型的算法和模型需要综合考虑需求、数据准备、算法选择、模型评估、模型调优和模型应用等多个方面，以确保选择合适的模型来支持管理者的决策。