给出基于k-means聚类算法的代码应用

K-means聚类算法是一种常用的无监督机器学习方法，用于数据集的分组或聚类。以下是一个简单的Python实现，使用scikit-learn库，假设我们有一个二维数据集：

# 导入所需的库
from sklearn.cluster import KMeans
import numpy as np

# 假设我们有如下二维数据（数据集应先预处理成数值型）
data = np.array([[2, 10], [2, 5], [8, 4], [8, 7], [6, 6]])

# 定义KMeans模型，比如设定簇的数量为3
kmeans = KMeans(n_clusters=3)

# 拟合数据
kmeans.fit(data)

# 预测每个点属于哪个簇
labels = kmeans.labels_

# 获取每个簇的质心
centroids = kmeans.cluster_centers_

# 打印结果
print("Labels:", labels)
print("Centroids:\n", centroids)