MACHINE LEARNING作为计算机科学领域的计算机：人工智能期刊，是一个研究学习计算方法的国际论坛。该期刊发表的文章报告了应用于各种学习问题的各种学习方法的实质性结果，论文描述了问题和方法的研究，应用研究和研究方法论的问题。关于学习问题（例如，固有复杂性）或方法（例如，替代算法的相对性能）的论文通过实证研究，理论分析或与心理现象的比较提供了坚实的支持。

　　ISSN：0885-6125

　　01　　影响因子

　　MACHINE LEARNING官网显示最新影响因子为5.414分，影响因子总体呈上升趋势，去年上涨较多，目前被45个国际数据库收录和摘要中。

 

　　02　　费用

　　根据MACHINE LEARNING官网显示：

　　1.传统的出版模式--已发表的文章可供订阅或付费阅读特定文章的机构和个人使用。

　　2.开放获取--当文章被接受发表时，作者或资助者支付文章处理费（APC）£2090/$2990/€2390。然后，已发布文章的最终版本可供所有人免费阅读。

　　03　　审稿周期

　　根据MACHINE LEARNING官网显示：提交第一项决定：平均47天

　　04　　分区

　　在WOS期刊SCI分区中，分区等级为2区

　　学科分区：COMPUTER SCIENCE,ARTIFICIAL INTELLIGENCE：Q2

　　在中科院最新升级版中，大类计算机科学和小类计算机：人工智能均位于3区。

　　学科分区：COMPUTER SCIENCE,ARTIFICIAL INTELLIGENCE：3区

　　05　　年发文量

　　MACHINE LEARNING的发文量较少，处于相对平稳的状态，去年增刊较多，有助于投稿。2018-2021年发文量为：69、80、90、159篇。

　　06　　自引率

　　MACHINE LEARNING的自引率总体把控较好，一直维持在5%以内，2021年自引率为3..5%。完全是个安全的数值，可以放心投稿。

 

　　07　　文章的主要研究领域及方向

　　MACHINE LEARNING的文章主要研究领域：

　　学习问题：分类、回归、识别和预测;解决问题和规划;推理和推理;数据挖掘;网络挖掘;科学发现;信息检索;自然语言处理;设计和诊断;视觉和言语感知;机器人与控制;组合优化;玩游戏;各种工业、金融和科学应用。

　　学习方法：有监督和无监督学习方法（包括学习决策和回归树、规则、连接主义网络、概率网络和其他统计模型、归纳逻辑规划、基于案例的方法、集成方法、聚类等）;强化学习;基于进化的方法;基于解释的学习;类比学习方法;自动化知识获取;从教学中学习;数据模式的可视化;在集成架构中学习;多策略学习;多智能体学习。

　　08　　投稿须知

　　下面是小佩为大家找的一些已投稿作者的经验贴：

　　网友1：这个期刊太慢了，四个月没送审，回邮件都得两星期，还有可能不回，慎投！

　　网友2：投稿了，编辑直接说不符合要求，拒了

　　网友3：九月初催了一次，当时说是有一条审稿意见，一条在审，还缺一个合适审稿人；过了45天又催了一次，收到两条意见，另一个还在审稿；催稿反馈挺快的。

　　09　　期刊信息

　　期刊官方网站：https://www.springer.com/10994

　　期刊投稿网址：https://www.editorialmanager.com/mach

　　作者指南网址：https://www.springer.com/10994/submission-guidelines

　　10　　期刊总结

　　总体来说，MACHINE LEARNING是计算机科学领域的计算机：人工智能期刊。IF值5分+，中科院学科分区为3区，自引率3.5%，发文量较少，审稿速度较慢，时间急慎投。