准备环境：装好 Python 和 Jupyter

AI 开发最常用的语言是 Python（一种简单好学的编程语言）。你需要先安装它。

• 到 python.org 下载最新版 Python（Windows 用户记得勾选“Add Python to PATH”）。
• 安装完成后，打开命令提示符（或终端），输入 python --version 检查是否成功。
• 接着安装 Jupyter Notebook（一个写代码的网页工具，方便一步步运行）。在终端输入：pip install jupyter。
• 安装完成后，输入 jupyter notebook 启动，浏览器会自动打开一个页面。

常见坑：如果提示“pip 不是命令”，说明 Python 没加到 PATH，重装时勾选即可。

安装 AI 库：scikit-learn 和 pandas

AI 模型需要专门的库来帮忙。我们安装最常用的两个：

• scikit-learn（一个机器学习工具包，内置很多现成算法）—— 终端输入：pip install scikit-learn。
• pandas（一个数据处理工具，类似 Excel 的表格操作）—— 终端输入：pip install pandas。

等待安装完成，无报错即可。

跑通第一个模型：预测鸢尾花种类

我们用经典数据集“鸢尾花”来训练一个分类模型。在 Jupyter 中新建一个笔记本，复制下面代码运行：

1. 导入库：
   from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
from sklearn.neighbors import KNeighborsClassifier
from sklearn.metrics import accuracy_score
2. 加载数据并拆分：
   iris = load_iris()
X_train, X_test, y_train, y_test = train_test_split(iris.data, iris.target, test_size=0.2)
3. 训练模型：
   model = KNeighborsClassifier()
model.fit(X_train, y_train)
4. 预测并评估：
   predictions = model.predict(X_test)
print('准确率:', accuracy_score(y_test, predictions))

如果输出一个数字（比如 0.96），说明你成功了！准确率就是模型猜对的百分比。

下一步可以做什么

你已经跑通了第一个模型。接下来可以：

• 换一个数据集试试（比如 Kaggle 上的免费数据）。
• 学习更多算法（如决策树、神经网络）。
• 了解如何用 TensorFlow 或 PyTorch 做深度学习。

记住：先动手，再理解原理。遇到报错就复制错误信息去搜索，绝大部分问题都有答案。