Add additional questions to the Q&A chapter on machine learning concepts

Author: fuodorov

src/questions-and-answers.md

@@ -17,4 +17,17 @@
 11. Повлияет ли добавление большого количества признаков, скоррелированных с уже существующим, на процесс построения ансамбля типа бустинга из деревьев?
 12. Что позволяет получить бустинг над линейными регрессиями?
 13. Какое требование к функции потерь предъявляет градиентный бустинг?
-14. ...
+14. Какие существуют основные типы признаков и виды задач в машинном обучении?
+15. Как выбор метрики расстояния влияет на kNN и в чем суть метода FRiS?
+16. В чем преимущества и недостатки градиентного спуска по сравнению с аналитическим решением регрессии?
+17. Как Momentum и использование batch помогают в градиентном спуске?
+18. Как именно L1 и L2 регуляризация меняют формулу обновления весов?
+19. Что такое margin (отступ) в контексте логистической регрессии?
+20. Как интерпретировать Confusion Matrix и когда стоит использовать Precision/Recall вместо Accuracy?
+21. Как рассчитываются энтропия и критерий Джини в вершинах решающего дерева?
+22. Что такое Bias-Variance trade-off и как он связан с переобучением?
+23. За счет чего Bagging и Random Forest уменьшают разброс (variance) ошибки?
+24. Опишите общий алгоритм построения композиции в градиентном бустинге.
+25. Как применяется Chain rule в методе обратного распространения ошибки?
+26. В чем отличия продвинутых оптимизаторов (Adam, RMSProp) от стандартного SGD?
+27. Какие существуют методы регуляризации и улучшения сходимости для нейронных сетей (Dropout, Batch Norm и др.)?