正确答案是：A, C, D

### 专业分析

K-means是一种无监督学习算法，主要用于解决聚类问题。以下是对各选项的分析：

- **A: 不需要对数据集去量纲**
- **分析**：K-means 对特征的大小非常敏感，因此通常需要进行特征缩放（如标准化或归一化）。严格来说，这个选项不完全正确，但在某些简单情况下可以不去量纲。

- **B: 有标签值**
- **分析**：K-means是一种无监督学习方法，不需要标签数据进行训练。因此，此选项错误。

- **C: 没有标签值**
- **分析**：正如上面所述，K-means 是无监督学习算法，不需要标签数据进行训练。因此，该选项正确。

- **D: 模型不稳定**
- **分析**：K-means的结果对初始中心点的选择非常敏感，容易陷入局部最优，导致模型不稳定。多次运行算法可能会得到不同的聚类结果。因此，此选项是正确的。

### 总结

K-means是一种简单且广泛使用的聚类算法，但它有一些需要注意的局限性，如对初始条件敏感、对异常值敏感以及需要进行适当的数据预处理（如特征缩放）。