MLK | 机器学习论文搜索利器推荐

上次推荐了一下  NG论文阅读的一些技巧(点击回顾)，那今天就顺着来给大家推荐一些机器学习相关的论文，有很多我自己都没看过的，但已经在我的清单内，欢迎大家也可以收藏，纳入学习清单，最好是打印出来，多次阅读。

🎥 前情回顾

以下是我平时找论文资源的方法，如果各位还有其他好用的办法，也欢迎推荐给我哈~

(1) arXiv

传送门：https://arxiv.org/

简单介绍：arXiv是个提交论文预印本（preprint）的平台，里面的论文都没有经过同行评审（peer review），所以文章质量参差不齐，但却会比较新颖，可以从里面看下别人研究的新玩意。

(2) NIPS

传送门：https://papers.nips.cc/

简单介绍：NIPS（NeurIPS），全称神经信息处理系统大会(Conference and Workshop on Neural Information Processing Systems)，是一个关于机器学习和计算神经科学的国际会议，该网站收录相关paper。

(3) paperswithcode

传送门： https://paperswithcode.com/

简单介绍： 压轴登场！这个是我强力推荐的一个网站，它不仅收录了很多机器学习的论文，而且还把相关论文的代码也一并收录，大多数也都配备了数据集，可以拿来直接操作一波，而且，它还可以按照热度给我们排序，这样子我们可以挑着一些重要热门的来看，十分友好！

好了，授之以渔了，那接下来就看你们的计划力和行动力了，行动起来吧，下面我就先把我觉得要读的论文贴一贴，这些论文是基于我自己的工作需求找的，我个人觉得大家可以按照自己的工作内容或者是自己想要去发展深造的方法去找相关paper，这样子会更加地有效哦！

SAMshare 机器学习相关论文推荐（排名不分先后）：

[1] XGBoost: A Scalable Tree Boosting System

Download：https://arxiv.org/pdf/1603.02754v3.pdf

[2] CatBoost: gradient boosting with categorical features support

Download：https://arxiv.org/pdf/1810.11363v1.pdf

[3] Tune: A Research Platform for Distributed Model Selection and Training

Download：https://arxiv.org/pdf/1807.05118v1.pdf

[4] Practical Bayesian Optimization of Machine Learning Algorithms

Download：https://arxiv.org/pdf/1206.2944v2.pdf

[5] Hyperopt: A Python Library for Optimizing the Hyperparameters of Machine Learning Algorithms

Download：https://pdfs.semanticscholar.org/d4f4/9717c9adb46137f49606ebbdf17e3598b5a5.pdf

[6] TensorFlow: Large-Scale Machine Learning on Heterogeneous Distributed Systems

Download：https://arxiv.org/pdf/1603.04467v2.pdf

[7] Semi-Supervised Sequence Modeling with Cross-View Training

Download：https://arxiv.org/pdf/1809.08370v1.pdf

[8] Automatic Differentiation in PyTorch

Download：https://openreview.net/pdf?id=BJJsrmfCZ

[9] Caffe: Convolutional Architecture for Fast Feature Embedding

Download：https://arxiv.org/pdf/1408.5093v1.pdf

[10] Bag of Tricks for Efficient Text Classification

Download：https://arxiv.org/pdf/1607.01759v3.pdf

以上的论文我已经下载好了的，可以在 SAMshare 公众号后台回复：paper  获取。