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

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。

• 选项A：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结果来确定样本的类别；在回归问题中，它通过多个决策树的预测值的平均值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。
• 选项B：线性回归模型
  线性回归是一种基本的回归分析方法，它试图通过找到一个线性函数来拟合数据，使得预测值与真实值之间的误差最小。线性回归模型主要用于预测连续型的数值，例如根据房屋面积预测房屋价格等，它不是用于聚类问题的算法。
• 选项C：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。K均值算法的目的是将数据集中的数据点划分为K个不同的簇，使得同一簇内的数据点相似度较高，不同簇之间的数据点相似度较低，所以K均值常用于聚类问题。
• 选项D：决策树模型
  决策树是一种基于树结构进行决策的模型，它通过对数据的特征进行划分，构建出一个决策树。决策树主要用于分类和回归问题，在分类问题中，它根据特征的取值将样本划分到不同的类别中；在回归问题中，它根据特征的取值预测连续型的数值。因此决策树模型不用于聚类问题。