准备你的电脑环境

AI 开发的第一步是安装 Python（一种编程语言，AI 最常用的工具）。去 python.org 下载最新版（建议 3.10 或以上），安装时记得勾选“Add Python to PATH”（这样你才能在任何地方使用它）。

安装必要的 AI 库

打开终端（Windows 用 cmd 或 PowerShell，Mac/Linux 用终端），输入下面命令安装最常用的 AI 库：

• pip install numpy pandas matplotlib（数据处理和画图）
• pip install scikit-learn（经典机器学习算法）
• pip install tensorflow 或 pip install torch（深度学习框架，二选一）

坑提醒：如果安装慢，可以临时用国内镜像，如 pip install -i https://pypi.tuna.tsinghua.edu.cn/simple tensorflow。

跑通你的第一个 AI 程序

创建一个新文件 hello_ai.py，复制以下代码：

from sklearn import datasets
from sklearn.model_selection import train_test_split
from sklearn.neighbors import KNeighborsClassifier
from sklearn.metrics import accuracy_score

# 加载鸢尾花数据集（经典入门数据）
iris = datasets.load_iris()
X, y = iris.data, iris.target

# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# 创建并训练 KNN 分类器
clf = KNeighborsClassifier(n_neighbors=3)
clf.fit(X_train, y_train)

# 预测并计算准确率
y_pred = clf.predict(X_test)
print("准确率：", accuracy_score(y_test, y_pred))

在终端运行 python hello_ai.py，如果看到类似“准确率：0.9666”的输出，恭喜你，第一个 AI 模型跑通了！

下一步可以做什么

• 尝试修改 n_neighbors 的值（比如 1 或 5），看准确率怎么变。
• 换成自己的数据：把 iris 换成 CSV 文件，用 pandas 读取。
• 学习更多模型：从 scikit-learn 官方文档的“分类”和“回归”示例开始。