Parameters zijn de aanpasbare gewichten en biases in een machine learning model die worden geleerd uit trainingsdagegen. Ze zijn in tegenstelling tot hyperparameters, die extern ingesteld worden en niet automatisch worden geoptimaliseerd.

Parameters worden bijgewerkt door optimalisatiealgoritmen zoals Gradient Descent op basis van het trainingsproces. Naarmate een model betere gegevens ziet en meer traint, worden parameters verfijnd om betere voorspellingen te doen. Het aantal parameters bepaalt grotendeels de capaciteit en complexiteit van een model.