k-medoids举例

k-means和k-medoids都是聚类算法，但是它们的实现方式不同。

k-means算法是一种基于距离的聚类算法，它将数据集分为k个簇，每个簇的中心点是该簇中所有数据点的平均值。k-means算法的优点是计算速度快，但是它对噪声和异常值比较敏感。

k-medoids算法是一种基于距离的聚类算法，它将数据集分为k个簇，每个簇的中心点是该簇中距离其他数据点最近的点。k-medoids算法的优点是对噪声和异常值比较鲁棒，但是计算速度比k-means算法慢。

因此，选择k-means还是k-medoids算法取决于具体的应用场景和数据特征。