准备环境：装好Python和必备工具

要跑AI程序，先得装Python（一种简单易学的编程语言）。去官网 python.org 下载最新版（点黄色按钮），安装时记得勾选“Add Python to PATH”（不然可能找不到命令）。装完后打开命令行（Windows按Win+R输入cmd，Mac打开终端），输入 python --version，看到版本号就成功了。

接着装pip（Python的软件管家，自动帮你下载工具包）。一般装Python时自带，检查方法：输入 pip --version。如果没有，按网上教程装一下。

安装AI核心库：一行命令搞定

打开命令行，输入以下命令安装scikit-learn（一个开箱即用的机器学习库，内置很多现成算法）：

等它跑完，再装pandas（处理表格数据的工具）和numpy（数学计算工具）：

常见坑：如果下载慢，可以加国内镜像，比如 pip install scikit-learn -i https://pypi.tuna.tsinghua.edu.cn/simple。

跑通第一个模型：预测鸢尾花种类

打开任意文本编辑器（记事本也行），输入以下代码，保存为 first_ai.py：

from sklearn.datasets import load_iris
from sklearn.tree import DecisionTreeClassifier
from sklearn.model_selection import train_test_split

# 加载数据（鸢尾花数据集，包含花瓣长度等特征和对应种类）
iris = load_iris()
X, y = iris.data, iris.target

# 分成训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2)

# 创建决策树模型并训练
model = DecisionTreeClassifier()
model.fit(X_train, y_train)

# 预测并打印准确率
accuracy = model.score(X_test, y_test)
print(f"模型准确率：{accuracy:.2f}")

在命令行运行：python first_ai.py。如果看到准确率（比如0.93），恭喜你跑通了第一个AI模型！

下一步：你还能做什么

• 换一个数据集：去Kaggle（数据竞赛平台）下载CSV文件，用pandas读取，练习分类或预测。
• 尝试深度学习：装TensorFlow或PyTorch（深度学习框架），跑个手写数字识别。
• 学点基本功：了解监督学习（用标签数据训练）和无监督学习（数据无标签，自己找规律）的区别。