kmeans算法相比于kmedmoids算法的优缺点

K-means算法的优点：

1. 算法简单，易于实现；
2. 运行速度较快；
3. 对于大规模数据集，算法具有良好的可扩展性。

K-means算法的缺点：

1. 对于离群点、噪声点等数据点敏感，容易受到极端值的影响；
2. 需要预先确定簇的数量，难以确定最佳的簇数目；
3. 初始聚类中心的选择会影响聚类结果。

K-medoids算法的优点：

1. 对于离群点、噪声点等数据点不敏感；
2. 不需要预先确定簇的数量，可以通过不断迭代来寻找最佳的簇数目；
3. 在一定程度上，可以避免K-means算法中初始聚类中心选择的问题。

K-medoids算法的缺点：

1. 对于大规模数据集，算法的计算复杂度较高；
2. 算法对于初始聚类中心的选择也比较敏感。