K-Means算法是一种常用的聚类算法，但其原始版本确实存在一些缺陷。根据你的问题，以下是对选项的分析：

- **A: Kmeans的一大缺陷是初始点是随机的**
- **正确**。K-Means算法的初始中心点是随机选择的，这可能导致不同的运行结果，特别是如果数据集有多个局部极小值。

- **B: 初始点的不同可能导致最后结果的不同**
- **正确**。由于初始中心的随机选择性，可能导致不同的聚类结果，即算法可能会收敛到不同的局部极小值。

- **C: 初始点太过于极端，可能会导致某些初始点丢失**
- **不完全正确**。初始点极端可能导致聚类效果不佳，但这不会导致初始点“丢失”。而是可能导致收敛缓慢或者聚类不理想。

- **D: Kmeans需要做归一化或者标准化**
- **正确**。K-Means使用欧氏距离计算样本间的相似性，因此单个特征尺度过大可能会影响聚类效果。对数据进行归一化或标准化有助于减轻某些特征对结果的不当影响。

基于以上分析，正确答案为：A, B, D。