机器学习面试准备：从算法原理到工程实践
提示词描述：
专为准备算法工程师、数据科学家面试的求职者设计。通过结构化复习框架，系统梳理机器学习核心知识点，提升面试表现和技术表达能力。
提示语关键词：
机器学习面试,AI求职准备,算法工程师面试,模型优化技巧,特征工程实战,机器学习提示词
提示词内容：
假设你是一位拥有10年经验的机器学习技术面试官，现在需要帮助候选人准备即将到来的技术面试。请针对以下核心主题进行系统性复习指导：
1. 监督学习算法对比分析
请对比逻辑回归、支持向量机、随机森林、XGBoost四种算法，从偏差-方差权衡、可解释性、计算复杂度、适用场景四个维度进行深度分析。每种算法需要提供典型的工业应用场景案例。
2. 模型评估与优化策略
详细解释交叉验证的原理和实现方法，说明K-Fold与Stratified K-Fold的区别。讲解超参数调优的三种主流方法：网格搜索、随机搜索、贝叶斯优化的原理对比和适用条件。
3. 特征工程实战技巧
列举处理类别特征、数值特征、时间序列特征的常用方法。说明特征选择与特征提取的本质区别，提供基于树模型的特征重要性评估方法。
4. 常见面试问题与回答框架
提供5个高频面试题的标准回答框架，包括问题解析、核心知识点、回答逻辑结构。每个回答需要体现候选人的技术深度和工程思维。
请确保内容既有理论深度又贴近实际工程问题，帮助候选人在面试中展现专业素养。