在选择机器学习算法时，特征的归一化处理是一个重要考虑因素。以下是对这些算法在归一化处理需求方面的分析：

- **A: 随机森林**
随机森林是基于树的算法，它在划分数据的时候是通过比较特征值之间的相对大小而非绝对大小进行的。因此，随机森林不需要对特征进行归一化处理。

- **B: 逻辑回归**
逻辑回归是基于线性模型的算法，参数求解过程中涉及梯度下降优化，因此对特征进行归一化是有利的。归一化有助于加快收敛速度和提高模型稳定性。

- **C: SVM（支持向量机）**
SVM是一种基于距离的模型，特别是使用RBF核（径向基核）等时，特征的尺度会显著影响模型性能。因此，特征归一化对于SVM来说是非常重要的。

- **D: GBDT（梯度提升决策树）**
GBDT同样是基于树的模型，与随机森林类似，其分类或回归过程主要依赖特征的分割而不是值的大小。因此，GBDT也不需要对特征进行归一化处理。

### 结论

根据以上分析，以下两种算法可以不对特征做归一化处理：
- A: 随机森林
- D: GBDT

因此，正确答案是：A和D。