python-为什么GaussianProcessRegressor通过机器产生不同的结果？

我的gpr功能通过机器产生不同的结果，我想知道为什么。

具有sklearn.gaussian_process.GaussianProcessRegressor我制作了自己的gpr功能。

from sklearn.gaussian_process import GaussianProcessRegressor
from sklearn.gaussian_process.kernels import RBF, ConstantKernel


def my_gpr(x, y, sample, rbf, constant):
    kernel = ConstantKernel(rbf) * RBF(constant)
    gp = GaussianProcessRegressor(kernel=kernel, normalize_y=True, optimizer=None)

    gp.fit(x, y)
    return gp.predict(sample, return_std=False)

然后，我为实验制作了固定的x、y和样本值。

虽然我随机生成了x，y，但我确信在这两台机器上使用的值是相同的。（在一台计算机上生成值，并将其自身复制到另一台计算机）

import numpy as np

x = np.round(np.random.uniform(low=-100, high=100, size=(37,2)), 6)
y = np.round(np.random.uniform(low=-100, high=100, size=(37,2)), 6)
sample = np.round(np.random.uniform(low=-100, high=100, size=(926,2)), 6)

这是执行代码。

ret = my_gpr(x, y, sample, 30, 1)
print(list(map(lambda x: print('{:.50f}, {:.50f}'.format(x[0], x[1])), ret)))

我在两台具有相同版本的scikit-learn，一个是Windows，一个是Linux。

他们的结果非常相似，但与小数点后10位有一些差异。

在一台机器上，每次运行都会得到相同的结果。

为什么会有这些差异？