O k-means usa a média das coordenadas dos dados, enquanto o k-medoids usa a mediana.

O k-means é utilizado para dados categóricos, enquanto o k-medoids é usado para dados contínuos.

O k-medoids é mais eficiente para dados de alta dimensionalidade.

O k-means é mais adequado para grandes conjuntos de dados.

O k-medoids usa pontos representativos reais dos clusters, enquanto o k-means usa pontos centrais que podem não existir no conjunto de dados.