Algorytm PAM (ang. Partitioning Around Medoids) – metoda grupowania danych opracowana przez Leonarda Kaufmana oraz Petera J. Rousseeuwa w 1987 r. PAM jest jednym z algorytmów stosowanym w analizie skupień (ang. data clustering), będącej elementem tzw. klasyfikacji bez nadzoru (ang. unsupervised learning).
PAM jest realizacją metody k-medoidowej, czyli takiej techniki grupowania, która dzieli zbiór danych zawierających obiektów na grup (skupień, ang. cluster) znanych a priori. Przydatnym narzędziem do oceny jakości grupowania jest sylwetka (ang. silhoutette). Oblicza się ją dla każdego obiektu podlegającego grupowaniu. Na jej podstawie można stwierdzić, czy obiekty zostały prawidłowo zgrupowane, czy też trafiły do złych klastrów.
Działanie tego algorytmu zbliżone jest do działania algorytmu centroidów, z tą różnicą, że centroidy zostają tu zastąpione przez medoidy, czyli najbardziej centralne obiekty ze zbioru danych reprezentujące daną grupę, dla których odległość od wszystkich pozostałych elementów wewnątrz danej grupy jest minimalna.