参数方法

参数方法（回归、线性支持向量机）具有固定数量的参数，并且对数据做出了很多假设。这是因为它们用于已知的数据分布，即它对数据做出了很多假设。

非参数方法

非参数方法（k-Nearest Neighbours，决策树）具有灵活数量的参数，没有关于数据分布的假设。该模型试图“探索”分布，因此具有灵活数量的参数。

比较

相对而言，与非参数方法相比，参数方法的计算速度更快，并且具有更大的统计能力。