某公司希望根据人口统计数据和购买模式对客户进行细分。哪种算法最适合发现此类群体？

K-means 是一种无监督学习算法，非常适合根据相似性将数据点（如客户）分组到预定义数量的簇中。在这种情况下，它能有效地根据人口统计数据和购买模式自动发现客户群体，而无需预先标记的类别。 K-nearest neighbors (k-NN) 是一种监督学习算法，主要用于分类和回归，需要有标记的数据进行预测，不适合发现未知的群体。 Decision tree 也是一种监督学习算法，用于分类和回归，通过创建决策规则来预测结果，而不是发现数据中的内在群体结构。 Support vector machine (SVM) 是一种强大的监督学习算法，主要用于分类和回归，通过找到最佳超平面来区分不同类别，同样不适用于无监督的群体发现任务。