正如您所注意到的，任何需要全距离矩阵的方法都行不通。内存是一回事，另一回事是运行时。层次聚类的典型实现在中（我知道ELKI有 SLINK，这是一个的单链路聚类算法）。这只是不能扩展到大型数据集。$O(n^3)$$O(n^2)$

PAM 本身不应该需要一个完整的距离矩阵，但众所周知，该算法的扩展性很差，因为它需要在每次迭代中（重新）计算每个集群内的所有成对距离，以找到最中心的元素。如果您有大量集群，这会少得多，但仍然非常昂贵！

相反，您应该研究可以使用索引结构进行加速的方法。有了好的索引，这样的聚类算法可以在中运行，这对于大型数据集来说要好得多。$O(n log n)$

然而，对于这些算法中的大多数，你首先需要确保你的距离函数真的很好；那么您需要考虑通过使用适当的索引来加速查询的方法。

另请注意，在许多情况下 - 这可能适用于 PAM - 您可以先在样本上运行算法，然后仅在完整数据集上对其进行优化。如果您的样本具有代表性，那么 k-means 和 PAM 等算法应该会给您提供与完整数据集基本相同的结果。

尝试 R 中 cluster 包中的 CLARA 函数。它通过对数据进行二次采样来实现类似 pam 的算法（确保提供对数据有意义的子样本大小，因为默认值故意太小）。如果您的数据中的媒介可以由总数据的一小部分样本表示（即 - 数据集中的集群相对较少），则它的效果特别好。通过这种方式，您可以使用少量随机样本有效地进行聚类，并将点添加到预先计算的聚类解决方案中。

http://en.wikibooks.org/wiki/Data_Mining_Algorithms_In_R/Clustering/CLARA

您还可以对定性变量应用多重对应分析，并将其转换为数值变量。