您所指的参数称为超参数。我还假设您在谈论神经网络中的权重，因此这将是您模型的参数。

基本上，不同之处在于超参数是用户在学习之前选择的（并影响学习阶段），而参数是在学习过程中由算法计算的。因此，模型的参数取决于训练数据和模型的超参数。

注意：事情并不总是那么简单，因为优化超参数通常是强制性的，而且在许多情况下，您可以说它们是从验证阶段学习的（对验证数据集进行模型评估），因此它们也可能依赖于数据集.

根据我的经验，参数是指算法的高级调整，例如，学习率也称为超参数。然而，权重用于较低级别的调整，例如权重特征或实例。例如，可以增加正面实例的权重。