做机器学习的同学在工作中都会遇到预测结果的置信度问题，具体表现是模型刻画能力和推广能力的矛盾，部分需要推广能力结果的冷启动等问题。服饰电商广告排序会遇到的一个必须要解决的问题，商品换季和上新，换季和上新的时候对模型而言会出现没有历史的新样本，并且在未来一段时间这些新样本会成为排序要面对主要客体，所有之前模型积累的历史都变得不再“有意义”，这个时候如何去处理让模型更稳定让过去积累的历史更有意义，并且同时让新品能最快的积累足够的置信度，蘑菇街积累了一些经验。

听众受益

1. 强化学习处理的一些经验；
2. 机器学习的刻画能力和推广能力平衡的一些经验；
3. 冷启动个性化的一些经验。