下面算法常用于聚类问题的是:()A. 随机森林模型B. 决策树模型C. 线性回归模型D. K均值

本题考查聚类算法的相关知识，解题思路是明确每个选项所代表的模型的用途，然后判断哪个是常用于聚类问题的算法。

• A选项：随机森林模型
  随机森林是一种集成学习方法，它由多个决策树组成。随机森林主要用于分类和回归问题。在分类问题中，它通过多个决策树的投票来确定样本的类别；在回归问题中，它通过多个决策树的预测值的平均来得到最终的预测结果。所以随机森林模型不用于聚类问题。
• B选项：决策树模型
  决策树是一种基本的分类与回归方法，它通过对特征空间进行划分，构建出一个树形结构，根据样本的特征值在树中进行遍历，最终得到样本的类别（分类问题）或预测值（回归问题）。因此决策树模型也不是用于聚类问题的。
• C选项：线性回归模型
  线性回归是一种用于建立自变量和因变量之间线性关系的统计模型。它的目标是找到一条直线（在二维情况下）或超平面（在多维情况下），使得因变量的预测值与实际值之间的误差最小。线性回归主要用于回归分析，而不是聚类问题。
• D选项：K均值
  K均值（K - means）是一种经典的聚类算法。其基本思想是：首先随机选择K个点作为初始聚类中心，然后将数据集中的每个点分配到距离它最近的聚类中心所在的簇中，接着重新计算每个簇的中心，不断重复这个过程，直到聚类中心不再发生变化或达到最大迭代次数。所以K均值是常用于聚类问题的算法。