我一直认为机器学习结果的不同是因为数据每次都会被随机打乱，从而导致不同的训练集。因此，如果不进行打乱，理论上每次的结果应该是一样的。正如sklearn.linear_model.LinearRegression()的情况那样，但sklearn.linear_model.RANSACRegressor()即使每次输入相同顺序的训练数据，结果仍然不同。难道它不只是一个数学函数吗？每次的结果不应该都是一样的吗？能有人解释一下吗，或者是我代码里有错误，导致我错误地输入了不同的数据？

回答：

根据文档，数据是被随机选择的。

在一些参数中，如random_state，有这样的提示：

random_state : int, RandomState instance或None，可选，默认None

用于初始化中心的生成器。如果是int，random_state是随机数生成器使用的种子；如果是RandomState实例，random_state就是随机数生成器；如果是None，随机数生成器是np.random使用的RandomState实例。