以下是一份机器学习面试题，涵盖了基础知
识、算法、模型评估、实际应用等多个方面。
请注意，这只是一个参考，实际的面试可能
会根据公司的具体需求和候选人的经验水
平有所不同。
基础知识
请解释什么是机器学习？它与深度学习有
何区别？
描述一下监督学习、无监督学习和半监督学
习的区别，并给出每种学习类型的常见应用
场景。
解释什么是过拟合和欠拟合，以及如何防止
过拟合？
在机器学习中，特征工程是什么？为什么它
很重要？
算法与模型
描述一下线性回归和逻辑回归的区别和联
系。
请解释决策树和随机森林的工作原理，并比
较它们的优缺点。
支持向量机（
SVM
）是如何进行分类的？它
的核函数有什么作用？
