Los primeros son aquellos que construyen la función que aproxima los datos de entrenamiento a la variable objetivo con un número fijo de parámetros, con independencia de la cantidad de datos con los que se entrene. Por ejemplo, un algoritmo de regresión lineal tiene la forma
a0 + a1x1+a2x2+ ... +anxn
...sea cual sea el número de muestras contenidas en el conjunto de entrenamiento. Esto tiene la ventaja de que resultan fáciles de entender y su entrenamiento suele ser rápido, pero a costa de limitar la complejidad del modelo generado.
Ejemplos de algoritmos paramétricos son:
- Modelos de regresión lineal
- Perceptrones Multicapa
