如何在spss中进行k-means聚类分析？
打开数据文件后Analyze--classify---K-means cluster 命令，选择需要聚类的变量到Variables，选择一个标记变量到label case by 中，在number of Cludter小框中指定聚类数。单击ok即可。
如何判断k-means算法结果的好坏？
K-means 算法属于聚类分析方法中一种基本的且应用最广泛的划分算法，它是一种已知聚类类别数的聚类算法。指定类别数为K，对样本集合进行聚类，聚类的结果由K 个聚类中心来表达，基于给定的聚类目标函数（或者说是聚类效果判别准则），算法采用迭代更新的方法，每一次迭代过程都是向目标函数值减小的方向进行，最终的聚类结果使目标函数值取得极小值，达到较优的聚类效果。使用平均误差准则函数E作为聚类结果好坏的衡量标准之一，保证了算法运行结果的可靠性和有效性。
k-means聚类分析对于层次聚类分析有什么特点？
这个问题其实是无解的，数据不同，算法的分类效果、实际运行时间也是不同。若单从运算速度而言，k-means比层次更快。原因是K-means是找中心，然后计算距离；层次是逐个样本逐层合并，层次的算法复杂度更高。更重要的是，在大数量下，K-means算法和层次聚类算法的分类效果真的只能用见仁见智来形容了。