首先，我不清楚您对“确定性”和“线性分类器”的定义。例如，您是在问模型构建确定性还是模型预测确定性？此外，大多数人会认为 SVM 不是线性模型，但你认为它是线性的。

我试图猜测你从现在开始想问什么。

大多数模型（不一定是“线性的”）在预测阶段是“确定性的”，它们应该是。直观地说，我们希望提供相同的输入，我们希望有相同的输出。

然而，许多模型在我们构建模型的过程中确实存在一些随机性。这意味着

• 给定相同的数据，使用不同的随机种子，你可以有不同的模型（以随机森林为例）

• 模型建立后，在预测阶段它是“确定性的”，即输入相同的输入将具有相同的输出。

最后，在您提到的逻辑回归和 SVM 的“线性模型”中，它们在训练过程中没有随机种子。正如其他答案和评论中提到的，原因是逻辑回归的目标函数和 SVN 是凸的，所以我们在构建模型时有唯一的答案/全局最小值。

我认为任何可以证明它达到全局误差最小值（线性/逻辑回归，支持向量机）的算法都应该保持不变，除了可能有几个尾随小数位。不做出这种保证的模型可能会陷入局部最小值，例如神经网络或随机森林，可能会因训练课程而异。