很多新手想学 AI，但一上来就被矩阵、线性代数吓住。其实你完全可以先动手跑通第一个模型，再慢慢补数学。本文带你完成环境安装和第一次模型运行。

准备开发环境

你需要一台电脑（Windows / macOS / Linux 均可）和网络。我们只用免费工具。

• 安装 Python（一种编程语言，AI 最常用的语言）：去 python.org 下载最新版（3.10+），安装时勾选“Add Python to PATH”。
• 安装 Jupyter Notebook（一个写代码的网页工具，能边写边看结果）：打开终端（Windows 用 cmd 或 PowerShell），输入 pip install jupyter 并回车。
• 安装 scikit-learn（一个简单的机器学习库，封装了常用模型）：终端输入 pip install scikit-learn。

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。

启动 Jupyter 并新建笔记

1. 终端输入 jupyter notebook，浏览器会自动打开一个页面。
2. 点击右上角“New” → “Python 3”，新建一个笔记本。
3. 你会看到一个单元格（cell），在里面输入代码，按 Shift+Enter 运行。

跑通你的第一个模型

我们用一个经典数据集——鸢尾花数据集（包含三种花的测量数据），训练一个分类模型。复制下面代码到单元格运行：

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

# 加载数据
iris = load_iris()
X = iris.data # 特征（花瓣长宽等）
y = iris.target # 标签（花的种类）

# 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)

# 创建并训练模型
model = KNeighborsClassifier()
model.fit(X_train, y_train)

# 预测并评估
y_pred = model.predict(X_test)
print('准确率:', accuracy_score(y_test, y_pred))

如果输出类似“准确率: 1.0”或接近 1 的数，说明模型跑通了！

下一步可以做什么

• 换一个数据集：试试 load_digits()（手写数字识别）。
• 换一个模型：把 KNeighborsClassifier 改成 LogisticRegression（逻辑回归，一种分类算法），记得先导入 from sklearn.linear_model import LogisticRegression。
• 学习基础数学：当模型效果不好时，理解矩阵运算会帮你调试。但别急，先享受跑通代码的成就感！