K-Medoids クラスタリングは、似ている行をグループにまとめる手法です。K-Means では各クラスターの中心に平均を使うため、たとえば1〜5の尺度のアンケートで中心が3.7になるなど、実際には存在しない値になることがあります。K-Medoids では、データに実在する1行（Medoid）をクラスターの中心に使うので、クラスターの特徴を読み取りやすくなります。
この記事では、PAM が Medoid を見つけるしくみ、マンハッタン距離とユークリッド距離、クラスターの数の決め方、大きなデータ向けの CLARA、K-Means との違いを、図と動かせるグラフで説明しています。アンケートデータに向いている理由とデータの準備方法、Exploratory での使い方とレポートの読み方も紹介しています。
ぜひご覧ください！