想学AI但不知从何下手？别担心，这篇文章会带你从零开始，装好工具、跑通第一个模型。你不需要任何编程基础，只要跟着步骤走就行。

准备环境：装好Python和Anaconda

Python 是一种编程语言，AI开发最常用它。 Anaconda 是一个工具包，帮你管理Python和AI库，省去很多麻烦。

• 去 Anaconda官网 (anaconda.com) 下载安装包，选Python 3.x版本。
• 安装时勾选“Add Anaconda to my PATH environment variable”，这样后面更方便。
• 装完后打开终端（Windows搜索cmd，Mac/Linux打开终端），输入 python --version，看到版本号就说明成功了。

安装AI库：用pip装scikit-learn

scikit-learn 是一个AI库，里面有很多现成的算法，新手用它最合适。

1. 在终端输入 pip install scikit-learn，等待安装完成。
2. 如果想装其他常用库，比如 pandas（处理数据）和 matplotlib（画图），可以一起装：pip install pandas matplotlib。
3. 安装成功后，可以输入 pip list 查看已安装的库，确认有scikit-learn。

跑通第一个模型：用KNN分类鸢尾花

我们用一个经典数据集——鸢尾花数据集，它包含三种花的特征。我们会用 K近邻算法（KNN）来分类。

1. 新建一个Python文件，比如 first_model.py，用记事本或任何文本编辑器打开。
2. 复制以下代码进去：

   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
   
   iris = load_iris()
   X, y = iris.data, iris.target
   X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)
   
   knn = KNeighborsClassifier(n_neighbors=3)
   knn.fit(X_train, y_train)
   y_pred = knn.predict(X_test)
   
   print("准确率:", accuracy_score(y_test, y_pred))

3. 在终端运行 python first_model.py，如果看到输出“准确率: 1.0”或接近1的数字，就说明你成功跑通了第一个AI模型！

下一步可以做什么

• 尝试修改 n_neighbors 的值，看看准确率怎么变。
• 用 pandas 读取你自己的CSV文件，替换掉鸢尾花数据。
• 学习更多算法，比如决策树、支持向量机，都在scikit-learn里。

现在你已经迈出AI第一步，接下来就是多练习、多尝试。祝你好运！