下列有关k-mean算法说法正确的是( )A. 不能自动识别类的个数，不是随机挑选初始点为中心点计算B. 初始聚类中心的选择对聚类结果的影响很大C. 不能自动识别类的个数，随机挑选初始点为中心点计算D. 数据数量不多时，输入的数据的顺序不同会导致结果不同

步骤 1：理解k-mean算法的基本概念
k-mean算法是一种聚类算法，它将数据集划分为k个簇，每个簇的中心点是该簇所有点的平均值。算法的目标是使簇内点到簇中心的距离之和最小化。
步骤 2：分析选项A
选项A提到k-mean算法不能自动识别类的个数，不是随机挑选初始点为中心点计算。实际上，k-mean算法需要用户指定类的个数k，且初始聚类中心通常是随机选择的。因此，选项A的描述不准确。
步骤 3：分析选项B
选项B提到初始聚类中心的选择对聚类结果的影响很大。这是正确的，因为初始聚类中心的选择会影响算法的收敛速度和最终的聚类结果。
步骤 4：分析选项C
选项C提到k-mean算法不能自动识别类的个数，随机挑选初始点为中心点计算。这是正确的，因为k-mean算法需要用户指定类的个数k，且初始聚类中心通常是随机选择的。
步骤 5：分析选项D
选项D提到数据数量不多时，输入的数据的顺序不同会导致结果不同。这是不正确的，因为k-mean算法的收敛结果与输入数据的顺序无关，只与初始聚类中心的选择和数据本身的分布有关。