正确答案是：A: 运行速度较一些聚类方法（例如，PAM）慢

**专业分析：**

K-Means算法是一种经典的无监督聚类算法，其主要特点和影响因素如下：

1. **运行速度：**
K-Means算法的运行速度相对较快，特别是对于大规模数据集。它的时间复杂度通常为O(nkt)，其中n是数据点的数量，k是簇的数量，t是迭代次数。相比之下，PAM（Partitioning Around Medoids）算法的时间复杂度较高，为O(n^2kt)，因此K-Means在大多数情况下运行速度更快。

2. **离群值：**
K-Means算法对离群值比较敏感，因为离群值会影响簇中心的计算，进而影响聚类结果。

3. **起始群中心的选择：**
K-Means算法的结果受初始群中心选择的影响很大。不同的初始群中心可能导致不同的聚类结果，因此常常需要多次运行K-Means算法，并选择最优的结果。

4. **数据类型：**
K-Means算法通常用于数值型数据，因为它基于欧氏距离计算。对于类别型数据，K-Means并不适用。类别型数据可以使用K-modes或者其他适合类别型数据的聚类算法。

综上所述，选项A是错误的，因为K-Means算法的运行速度相对较快。其他选项B、C和D的描述都是正确的。