شبیه سازی خوشه بندی داده توسط الگوریتم k-medoids با قابلیت تغییر آسان داده ورودی

الگوریتم k-medoids الگوریتمی مبتنی بر شی می باشد و نماینده خوشه ها را از میان خود داده ها و نه میانگین گیری از آن ها انتخاب می کند. در واقع medoids یک خوشه، مرکزی ترین عنصر یک خوشه است. هدف این روش، کم کردن حساسیت نسبت به مقادیر بزرگ در مجموعه داده هاست. در این الگوریتم هر خوشه با یکی از داده های نزدیک به مرکز معرفی می شود.