我知道 PAM 只是一种 K-medoids 算法。不同之处在于新的中心点选择（每次迭代）：

• K-medoids 选择离该中心点最近的对象作为下一个中心点

• PAM 尝试将集群中的所有对象作为一个新的中心点，这将导致较低的 SSE。

如果我理解得很好，PAM 会提供更好的结果，但会占用更多时间。是这样吗？

哪个更好，为什么？

这让我感到困惑，这是一个实现 K-medoids 的软件列表，来自Wikipedia

• ELKI 包括几个 k-means 变体，包括 k-medoids 和 PAM。
• Julia 在 Clustering 包中包含一个 k-medoid 实现 [5]
• R 包含在 k-means 的“flexclust”包变体和“cluster”包中。
• Gap 一个基于距离的聚类的 embrional 开源库。
• Java 机器学习。包括一个 k-medoid 实现。

例如，它说 ELKI 包含两种变体，k-medoids 和 PAM？

例如，首先看一下javaml中的 K-medoids 实现，看起来它找到了最接近 medoid 的对象并尝试了它。