O algoritmo k-medoids concentra-se, principalmente, em encontrar o medoid (por exemplo, o objeto mais centralmente localizado em um grupo). Os objetos restantes são designados ao cluster que tiver medoid mais próximo. Há um método tricky que é usado mais por cientistas de dados e analistas de sistemas, o método k-medoids, também chamado de método PAM, que usa a média de similaridade entre todos os registros do grupo e define o cluster (GOLDSCHMIDT; PASSOS; BEZERRA, 2015).