准备环境：需要装什么

要开始玩AI，你只需要一台电脑（Windows/Mac/Linux都行）和网络。核心工具是Python（一种简单易学的编程语言，AI领域最常用）和几个Python库（别人写好的功能包，直接拿来用）。我们还要装Jupyter Notebook（一个交互式编程环境，可以边写代码边看结果）。

安装步骤：一步步来

1. 安装Python：去 python.org 下载最新版（建议3.10以上）。安装时记得勾选“Add Python to PATH”（这样系统才能找到Python）。
2. 验证安装：打开终端（Windows按Win+R输入cmd，Mac打开“终端”），输入 python --version，如果显示版本号就成功了。
3. 安装Jupyter和AI库：在终端输入 pip install jupyter numpy pandas scikit-learn matplotlib，等待下载完成。其中numpy是做数学计算的，pandas处理数据表格，scikit-learn是机器学习工具箱，matplotlib画图。
4. 启动Jupyter：在终端输入 jupyter notebook，浏览器会自动打开一个页面，点击右上角“New”->“Python 3”创建新笔记本。

跑通第一个模型：分类鸢尾花

现在我们来运行一个简单的机器学习例子：用K近邻算法（一种根据邻居类别判断自己类别的算法）对鸢尾花数据集（包含3种鸢尾花的花瓣、花萼数据）进行分类。

1. 在Jupyter单元格中粘贴以下代码，然后按Shift+Enter运行：
   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))
2. 如果输出类似“准确率: 1.0”或“0.9...”的数字，说明模型成功跑通了！准确率接近1表示分类几乎全对。

常见坑与下一步

常见坑：安装时如果报错“pip不是内部命令”，说明Python没加到PATH，重装时勾选“Add Python to PATH”；如果下载慢，可以加上国内镜像源 pip install -i https://pypi.tuna.tsinghua.edu.cn/simple 包名。下一步：可以尝试修改代码中的 n_neighbors 数值（比如改成5），看看准确率变化；或者学习用matplotlib画数据分布图。恭喜你，已经入门AI了！