出现共线性问题时，以下说法是正确的：

C: **可以采用Ridge和Lasso来处理**
- **分析**：Ridge回归（岭回归）通过在损失函数中加入L2正则化项，惩罚过大的系数，从而减小共线性带来的问题。Lasso回归通过L1正则化，可以同时进行降维和特征选择，因此在处理共线性时也很有效。

D: **可以采用PCA的方法来做数据的维度的转换，从而选取有用的新特征**
- **分析**：PCA（主成分分析）是一种降维技术，通过将原始特征转换为一组不相关的新特征（主成分），可以有效减少共线性问题。这些主成分按方差大小排序，可以选择最有用的几个进行后续分析。

A和B的分析：

A: **当前数据集不能使用最小二乘法来求最后的参数值**
- **分析**：虽然多重共线性会导致最小二乘估计的不稳定性（即参数估计具有较大的方差），但数学上仍然可以使用最小二乘法来求解参数。只是结果可能不可靠，因此一般建议采用正则化等方法。

B: **X^T * X不能求导**
- **分析**：\(X^T X\) 矩阵是设计矩阵的协方差矩阵。在共线性存在的情况下，矩阵可能是奇异的（不满秩），导致这个矩阵不可逆，但这与求导无关。求导是正常的数学操作，问题在于求解线性回归参数时，无法直接通过逆矩阵计算来得到解。

因此，正确答案是：**C** 和 **D**。