在选项中，我们需要分析每一项关于有监督学习和无监督学习的陈述，以找出不正确的选项。

- **A: 回归和分类算法均属于有监督学习**

- **分析**：有监督学习的核心在于使用带标签的数据来训练模型，以便能够对新数据进行预测。回归和分类都是有监督学习的主要任务类型，因此这项陈述是正确的。

- **B: 有监督学习是从标签化训练数据集中推断出模型的机器学习任务**

- **分析**：这项描述了有监督学习的基本定义。通过标签化的训练数据集训练模型来进行预测是有监督学习的核心。因此，这项也是正确的。

- **C: 主成分、聚类、决策树是无监督学习**

- **分析**：主成分分析（PCA）和聚类（如K-means）是无监督学习的常见算法，因为它们不需要预先标签化的数据集。它们用于数据降维和发现数据内在结构。然而，决策树通常用于有监督学习（尽管可以应用于无监督学习任务中，通常它们在分类和回归中使用，即有监督学习）。因此，这里将决策树归类为无监督学习是不准确的。

- **D: 对于监督学习中的分类问题，数据偏斜不能过于严重，不同类别的数据数量不要有数个数量级的差距**

- **分析**：数据偏斜（不平衡）确实是分类问题中的一个重要问题，因为它会导致模型偏向于预测多数类。为此，通常希望不同类别的数据数量之间不要有过大的数量级差距。因此，这项陈述是正确的。

综上所述，C项中的将决策树归类为无监督学习是不准确的，正确答案是不正确的选项：

**C: 主成分、聚类、决策树是无监督学习**