创建 KMeans 对象，令 n_clusters=2；提示：可以使用 sklearn.cluster 中的 KMeans 模型。 调用 fit 函数执行训练过程 调用 predict 函数进行预测，预测的数据为 [0,0], [8,2], [10,3]。

在Python的scikit-learn库中，你可以按照以下步骤创建一个KMeans聚类模型，设置两个簇(n_clusters=2)，并对给定数据进行预测：

首先，你需要导入`KMeans`类：

from sklearn.cluster import KMeans

接着，你可以创建一个KMeans对象并指定n_clusters为2：

kmeans = KMeans(n_clusters=2)

训练模型（fitting）则需要传递一个数据集，这里我们暂时假定你已经有了一个名为`data`的数据数组：

data = [[0, 0], [8, 2], [10, 3]]  # 这里只是一个示例数据，实际应用中应替换为你的数据
kmeans.fit(data)  # 执行训练

最后，使用`predict`函数对新的数据点[0,0], [8,2], [10,3]进行预测：

predictions = kmeans.predict([[0, 0], [8, 2], [10, 3]])

`predictions`将是一个列表，其中包含了对应于输入数据点的簇标签。

需要注意的是，KMeans模型在每次运行时可能会因为随机初始化的原因而得到不同的结果，尤其是对于小样本数据。如果你希望得到一致的结果，可以设置`init='k-means++'`或者固定初始化。