实现k-medoids 聚类算法

K-medoids 聚类算法是一种基于划分的聚类方法，它将数据集划分成 K 个簇，每个簇由一个代表元（medoids）表示。该算法的主要思想是通过不断交换代表元，使得整个聚类结果更加紧凑。

具体实现步骤如下：

1. 随机选择 K 个数据点作为 medoids。
2. 对于每一个非 medoids 点，计算它与每一个 medoids 的距离，将非 medoids 点归类到距离最近的 medoids 所在的簇。
3. 对每个簇内的所有点，计算所有点到该簇内的 medoids 的距离之和，选择距离之和最小的点作为新的 medoids。
4. 重复步骤 2-3，直到 medoids 不再发生变化或达到最大迭代次数为止。

可以使用该算法来对数据进行聚类，并找到数据集中的结构和模式。