对于这个问题，我们主要需要分析的是 `scikit-learn` 中 `linear_model` 模块和 `statsmodels.formula.api` 的功能与特性。以下是对各选项的专业分析：

- **A: `import statsmodels.formula.api`中使用的是随机梯度下降法**
- `statsmodels.formula.api` 是一个用于统计建模的库，提供广泛的统计模型和方法，包括普通最小二乘法（OLS）、广义线性模型（GLM）等。不过，它不是专门用来实现随机梯度下降（SGD）算法的。因此此选项不正确。

- **B: `from sklearn import linear_model`使用的是正则化法**
- `scikit-learn` 的 `linear_model` 模块确实提供了多种线性模型，包括带有正则化的模型如 `Ridge` 和 `Lasso`，但并不仅限于正则化法。此选项不全面。

- **C: `from sklearn import linear_model`使用随机梯度下降法、正则化法、OLS等算法的综合**
- `scikit-learn` 的 `linear_model` 模块是非常全面的，其中确实包含了多种算法，包括`SGD`（随机梯度下降法）、`Ridge` 和 `Lasso`（用于正则化）、`LinearRegression`（实现OLS）等。因此，该选项是正确的。

- **D: `sklearn`中的每个模型只能使用一种算法**
- 这个说法是不准确的。一个模型可能实现一种算法，但 `sklearn` 的不同模型可以使用多种优化和学习算法来实现。`linear_model` 包含了多种不同的模型和算法。因此该选项不正确。

**正确答案是：C**。

> `scikit-learn` 中的 `linear_model` 模块提供了不同类型和用途的算法，包括随机梯度下降、正则化方法（如 Ridge 和 Lasso）以及 OLS 等，这种整合性质使其非常灵活和全面。