层次聚类的每一步都要重新计算每个距离，对计算机的要求高，K-Means聚类也称快速聚类，仍然是以距离作为亲疏指标。
方法/步骤
1
K-Means聚类需要用户先确定聚类数目，只有唯一的解，输入3，表示分为3类。迭代与分类：表示聚类分析的每一步都重新确定类中心点（spss默认），仅分类表示类中心点始终为初始类中心点，此时仅进行一次迭代。
2
迭代次数和收敛性标准均是判断快速聚类终止的标准，通常情况下不改变软件自带的数。“保存”选项中的“聚类成员”即为聚类分析后的分类结果保存在原始数据窗口中。“选项”中的“初始聚类中心”、“单因素方差分析”是最后显示的结果。
3
结果分析：“初始聚类中心”显示最初始的6维空间的类中心，“迭代历史记录”中表示第1次迭代后，类的中心点分别偏移24.387、6.307、23.579，第二次迭代后，偏移量等于设置中输入的“收敛性标准”中的“0”，故停止聚类分析。第二个图：显示最终的聚类中心的6维空间数值；又单因素方差分析知，聚类后的3类之间存在显著的差别；第一、二、三类的个案数分别是7、3、21。