k均值聚类法比系统聚类法计算量小

是的，k均值聚类法通常比系统聚类法计算量小。这是因为k均值聚类法是一种迭代算法，它在每一次迭代中只需要计算每个点到各个簇质心的距离，然后将每个点分配到距离最近的簇中，再重新计算每个簇的质心。这个过程重复进行，直到簇分配不再发生变化或达到预设的迭代次数为止。

相比之下，系统聚类法需要计算每两个点之间的距离，然后根据距离的大小不断合并最近的两个点或簇，直到所有点或簇都被合并为一个大簇。这个过程需要计算的距离数量很大，因此其计算量通常比k均值聚类法大得多。

需要注意的是，k均值聚类法和系统聚类法都是常用的聚类分析方法，应根据具体情况选择合适的方法。例如，在样本量较大、特征较多或数据结构较为复杂的情况下，系统聚类法可能更适合，而在样本量较小、特征较少或数据结构较为简单的情况下，k均值聚类法可能更为适用。