1.原理
k-mediods聚類算法原理和k-means聚類算法原理大體相似，主要不同的是k-means聚類算法更新聚簇中心的時候直接計算的均值，而k-mediods聚類算法更新聚簇中心的時候先對每個聚簇中心計算每一個點到簇內其他點的距離之和，然後再選擇距離最小的點來作爲新的聚簇中心。k-mediods算法這樣計算可以避免數據中的異常值帶來的影響。
2.算法思路
（1）從輸入的樣本中隨機選擇一個樣本作爲第一個聚類中心（初始的聚類中心之間的相互距離應該儘可能大）
（2）計算每一個樣本到各個中心點的距離，選擇距離最小的中心點，把該樣本歸到該類別。
（3）當所有樣本都劃歸完了後，計算每一個點到簇內其他點的距離之和，然後再選擇距離最小的點來作爲新的聚簇中心。
（4）重複（2）（3）步，直到聚類中心不再變化位置。