简述k-means算法的基本思想。

K-means算法是一种基于距离度量的聚类算法，其基本思想是将n个样本分成k个簇，使得簇内的样本相似度较高，而簇间的相似度较低。具体实现过程中，首先随机选取k个样本作为初始的聚类中心，然后将所有样本分配到距离最近的聚类中心所在的簇中，接着重新计算每个簇的聚类中心，不断迭代直到聚类中心不再发生变化或达到预设的迭代次数为止。最终得到的k个聚类中心即为k个簇的代表，每个样本被分配到其中一个簇中。